Σημαντικοί στατιστικοί τύποι για μεγάλα δεδομένα - ανδρείκελα

Η λέξη στατιστικά στοιχεία μπορεί να προκαλέσει φόβο σε μερικούς αρχάριους για την απεικόνιση δεδομένων, αλλά αν αγνοήσετε αυτό το θέμα, παραβλέπετε ένα από τα πιο ισχυροί τρόποι για να αντλήσετε πραγματική εικόνα και αξία από τα Big Data.

Η στατιστική είναι η πρακτική ή η επιστήμη της συλλογής αριθμητικών δεδομένων σε μεγάλες ποσότητες. Δεν χρειάζεται να βγείτε έξω και να γίνετε επιστήμονας δεδομένων (ένας όρος που χρησιμοποιείται για τους στατιστικολόγους που είναι επίσης στοιχεία geeks σε μεταμφίεση και που συνήθως κατέχουν κάποιο είδος προχωρημένου βαθμού, όπως το διδακτορικό δίπλωμα), αλλά μπορεί να θέλετε να εξετάσετε την παραλαβή ένα βιβλίο ή κατηγορία 101 της Στατιστικής, εάν έχετε κάποιο ενδιαφέρον.

Οι στατιστικές φόρμουλες όπως η πιθανότητα, η διακύμανση και οι προβλέψεις είναι δημοφιλείς σήμερα. Είναι αρκετά εύκολο να εφαρμοστούν σε οποιοδήποτε σύνολο δεδομένων και οι περισσότεροι αναγνώστες θα τις καταλάβουν καθαρά. Μπορείτε να ενσωματώσετε μερικούς από αυτούς τους τύπους στατιστικών στοιχείων στις μεγάλες απεικονίσεις δεδομένων σας, για να δώσετε πραγματική αξία στους χρήστες χρησιμοποιώντας τις τεχνικές που αναφέρονται στις επόμενες ενότητες.

Γνωρίζοντας την πιθανότητα εμφάνισης ενός συμβάντος

Μια στατιστική φόρμουλα που μπορεί να γνωρίζετε είναι p ευκολία - πιθανότητα ή πιθανότητα εμφάνισης ενός συμβάντος. Ο παρακάτω τύπος υπολογίζει τη βασική πιθανότητα για ένα γραμμικό σενάριο. (Τα μη γραμμικά σενάρια είναι λίγο περίπλοκα και υπερβολικά μια δέσμευση για έναν αρχάριο.)

Πιθανότητα = Πιθανότητα εμφάνισης ενός συμβάντος / Αριθμός πιθανών αποτελεσμάτων

Το παρακάτω σχήμα δείχνει μια πιθανότητα με κάποια χρώματα συναγερμού που προστέθηκαν για να κάνουν το μήνυμα είναι εύκολο να διαβαστεί και, το πιο σημαντικό, να δηλώνει σαφώς ότι απαιτείται άμεση δράση.

Οι πιθανότητες παρέχουν έναν γρήγορο έλεγχο πραγματικότητας και ορίζουν το συνολικό τόνο για την ιστορία που θα παρέχει η απεικόνιση δεδομένων σε μια δεδομένη περίοδο (ημέρα, εβδομάδα, τρίμηνο κ.ο.κ.).

Εφαρμογή διακύμανσης για να δείξει το μέγεθος της αλλαγής

Ένα άλλο δημοφιλές στατιστικό μέτρο είναι v ariance , που είναι η διαφορά μεταξύ ενός συνόλου σημείων δεδομένων.

Ο πιο συνηθισμένος τύπος για τον υπολογισμό της διακύμανσης είναι

Απόκλιση = Τελική επιθυμητή - Τρέχουσα κατάσταση

Αν η έξοδος που εμφανίζεται είναι ακέραιος αριθμός ή ποσοστό, ο τύπος δείχνει το μέγεθος της μεταβολής μεταξύ της αρχικής και της τελικής κατάστασης ένα σημείο δεδομένων.

Η εμφάνιση της διακύμανσης είναι πάντα μια γρήγορη νίκη και ένα μεγάλο υποκατάστατο του συνδυασμού γραμμών / γραμμών, που είναι ο τρόπος με τον οποίο εμφανίζεται η σχέση διακύμανσης στις περισσότερες απεικονίσεις.

Ο πίνακας στο παρακάτω σχήμα δείχνει ένα σύνθετο γράφημα γραμμής / γραμμών που επιτρέπει στον χρήστη να αποκρυπτογραφεί τη διακύμανση για κάθε μήνα.

Ο δεύτερος χάρτης, που φαίνεται στο παρακάτω σχήμα, διακρίνει σαφώς τη διακύμανση και παίρνει όλες τις εικασίες από την οπτική.

Πρόβλεψη για το μέλλον

Ακόμα ένας δημοφιλής στατιστικός τύπος που μπορεί να εξοικειωθείτε είναι η f orecast , η οποία είναι η πρόβλεψη ή η εκτίμηση ενός γεγονότος ή μιας τάσης.

Όταν υπολογίζετε μια πρόβλεψη, χρησιμοποιείτε πραγματικά ένα ορισμένο αριθμό ιστορικών δεδομένων για να προβλέψετε συμπεριφορά, ένα συγκεκριμένο συμβάν ή μια τάση. Για παράδειγμα, θα μπορούσατε να υπολογίσετε τις πωλήσεις για το έτος βάσει του ιστορικού γεγονότος ότι ο Ιανουάριος συνήθως αντιπροσωπεύει το 5% των πωλήσεων. Εάν κάνατε πωλήσεις 500 δολαρίων τον Ιανουάριο τότε θα χρησιμοποιούσατε τον ακόλουθο τύπο για να προβλέψετε πόσα πωλήσεις μπορείτε να προβλέψετε για το έτος:

$ 500 /. 05 = $ 10, 000

Σε αυτήν την εξίσωση, $ 500 είναι οι πωλήσεις τον Ιανουάριο.. 05 είναι το ιστορικό ποσοστό των πωλήσεων που δηλώνει ο Ιανουάριος. και $ 10, 000 είναι οι προβλεπόμενες πωλήσεις για το έτος.

Το παρακάτω σχήμα δείχνει πώς εμφανίζονται οι προβλέψεις στις περισσότερες απεικονίσεις δεδομένων ως απλή γραμμή σε ένα γράφημα. Οι προβλέψεις υποδεικνύουν τον τρόπο με τον οποίο μπορεί να εκτελείται μια δεδομένη δραστηριότητα στο μέλλον.

Αυτή η τυπική εμφάνιση μιας γραμμής προβλέψεων δείχνει ότι η ταμειακή ροή θα γίνει τελικά ένα ζήτημα για αυτήν την οργάνωση.