11. diel - Rozdelenie dát - Základné rozdelenie

V predchádzajúcom kvíze, Kvíz - Dátové formáty, databázy a životný cyklus dát, sme si overili nadobudnuté skúsenosti z predchádzajúcich lekcií.

V tejto lekcii sa pozrieme na to, ako sa dáta rozprestierajú, a zameriame sa na takzvané normálne (Gaussovo) rozdelenie. Na rozdiel od ukazovateľov z minulej lekcie, ktoré boli len jedným číslom popisujúcim vzorku, sa teraz zameriame na opis rozdelenia vzorky graficky. To je ďalší spôsob, ako sa o skúmaných dátach dozvieme viac. A my ako analytici o dátach samozrejme chceme vedieť maximum

Ako rozdelenie dát ovplyvňuje analýzu

V dátovej analýze sa často zaujímame o to, ako sú hodnoty v našom súbore rozprestreté. Niektoré veličiny majú väčšinu hodnôt sústredenú okolo stredu, iné sú výrazne asymetrické alebo majú extrémne odchýlky. Tomu hovoríme rozdelenie dát. Rozdelenie ovplyvňuje nielen to, ako dáta vizualizujeme, ale hlavne aké metódy môžeme použiť – napríklad, či môžeme počítať priemer, aplikovať štatistické testy alebo modelovať vzťahy medzi premennými.

Normálne rozdelenie a jeho typický tvar

Jedným z najbežnejších rozdelení dát je takzvané normálne rozdelenie, často označované aj ako Gaussovo. Vyznačuje sa tým, že väčšina hodnôt sa sústredí okolo priemeru, zatiaľ čo smerom k okrajom ich frekvencia rýchlo klesá. Na grafe tak vzniká charakteristická zvonová krivka, ktorá je symetrická voči stredu. Pokiaľ dáta sledujú normálne rozdelenie, môžeme o nich ľahko robiť odhady a používať bežné štatistické metódy.

Zvonová krivka ilustrujúca normálne rozdelenie:

...koniec náhľadu článku...
Pokračuj ďalej