آزمایشگاه عدمقطعیت
بازهٔ بوتاسترپ برای میانگین، میانه، صدک، نسبت و تفاوت دو گروه.
- فایل CSV یا جدول
- فقط در مرورگر شما
کاوش توزیع
مقدار «معمولی» واقعاً چقدر است، و چند مقدار خیلی بزرگ یا کوچک تصویر را چقدر عوض میکنند؟
یک ستون عددی (مبلغ سفارش، زمان تحویل، امتیاز) را انتخاب کنید تا هیستوگرام، میانه و میانگین، صدکها، پراکندگی و چولگی را ببینید؛ آمارهها با و بدون مقدارهای دور کنار هم میآیند و گروهها مقایسه میشوند — بدون حذف پنهانی هیچ دادهای.
- فایل CSV یا جدول
- فقط در مرورگر شما
- بدون هوش مصنوعی
به چه کاری میآید
میانگین بهتنهایی گمراه میکند: چند سفارش خیلی بزرگ میتواند میانگین را بالا ببرد در حالی که بیشتر سفارشها کوچکاند. این ابزار شکل کامل یک ستون عددی را نشان میدهد — هیستوگرام، میانه و میانگین، صدکها، پراکندگی و چولگی — و همینها را با و بدون مقدارهای خیلی دور کنار هم میگذارد تا اثرشان دیده شود، بیآنکه چیزی پنهانی حذف شود. اگر ستون گروه (شهر، کانال) هم دارید، گروهها کنار هم مقایسه میشوند.
LOCAL همهٔ محاسبه در همین مرورگر انجام میشود؛ دادهای که وارد میکنید به سرور سایت یا هیچ سرویس دیگری فرستاده نمیشود. با بستن یا تازهکردن صفحه چیزی از دادهها باقی نمیماند؛ دکمهٔ «پاککردن» هم همین حالا همه را از صفحه برمیدارد.
روش محاسبه و فرضها
- فقط خانههایی که عدد خوانا دارند شمرده میشوند. تعداد خانههای خالی و غیرعددی جدا گزارش میشود و شمارهٔ خط غیرعددیها میآید.
- صدکها با تعریف نوع ۷ هایندمن و فن (پیشفرض R و NumPy). چولگی با ضریب فیشر–پیرسون تعدیلشده. MAD میانهٔ قدرمطلق فاصله از میانه است.
- هیستوگرام با قاعدهٔ فریدمن–دیاکونیس: پهنای بازه = ۲ × فاصلهٔ میانچارکی ÷ ریشهٔ سوم n، حداکثر ۵۰ بازه.
- مقدار دور: کمتر از چارک اول − ۳ × فاصلهٔ میانچارکی یا بیشتر از چارک سوم + همان. این مقدارها در داده میمانند؛ فقط آمارهها یک بار دیگر بدون آنها حساب میشوند.
محدودیتها و استفادهٔ نادرست
- مقدار دور لزوماً خطا نیست؛ حذفش فقط وقتی درست است که بدانید اشتباه ثبت شده.
- مقایسهٔ گروهها توصیفی است: تفاوت میانهها ممکن است فقط نوسان نمونه باشد، مخصوصاً در گروههای کوچک، و علت را نشان نمیدهد.
- ابزار واحد ستون را نمیداند؛ اگر در یک ستون چند واحد (ریال و تومان) قاطی شده، شکل توزیع بیمعنی است.
منابع روش
- Freedman, D. & Diaconis, P. (1981). On the histogram as a density estimator. Zeitschrift für Wahrscheinlichkeitstheorie, 57(4).
- Hyndman, R. J. & Fan, Y. (1996). The American Statistician, 50(4).
- Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
قدم بعدی
ممیزی کیفیت داده
پیش از هر تحلیل: خانهٔ خالی، ردیف تکراری، تاریخ و عدد ناخوانا و اطلاعات شخصی را پیدا کنید.
- فایل CSV یا جدول
- فقط در مرورگر شما
نسخهٔ روش و تاریخ
VERSION نسخهٔ روش 1.0 · آخرین تغییر: 5 مهر 1405