Статистика – наука об изучении данных. Обладая соответствующими данными, можно задействовать разнообразные методы сбора и анализа данных, чтобы получать максимально результативный итог.
Статистика – основополагающая составляющая большинства научных открытий, а также прогнозов. Кроме того, она широко используется в программировании, системном анализе, машинном обучении. Представляет собой математическую науку о сборе, анализе, интерпретации и представлении данных.
Все это крайне важно при составлении программного кода, а также во время работы с IT-технологиями, искусственном интеллектом, машинным обучением. Далее рассмотрим типы данных, с которыми предстоит работать каждому человеку.
Зачем нужна статистика
Ключевой принцип рассматриваемой науки – это получение выводов путем их анализа. Статистика выступает в качестве разновидности математики. Она задействует формулы при расчетах.
Машинное обучение и некоторые другие области IT зародились из статистики. В качестве основы используемых алгоритмов и моделей выступает статистическое обучение. Если с ним разобраться, можно достаточно быстро освоить МО и иные инновационные направления в соответствующей области.
Также статистика поможет разобраться, какие данные можно проанализировать тем или иным способом. А еще – как лучше проводить исследования и анализировать имеющиеся материалы с минимальными потерями /погрешностями.
О типах данных
В мире существуют различные типы данных. Соответствующее понятие встречается и в программировании, и в точных науках.
Тип данных – это:
- классификация схожих между собой сведений;
- набор возможных значений и разрешенных операций над ними;
- множество значений.
В статистике соответствующим термином человек может охарактеризовать способ категоризации разновидностей переменных.
Выше – примеры классификации типов информации. Далее в статье будут рассмотрены качественные и количественные данных, их особенности и нюансы.
Количественные
Первый вариант информации – количественный. Из названия становится понятно, что такие сведения представлены некими числами. Количественные данные – это подсчеты, объективные измерения.
Примеры: вес, температура тела, давление, количество совершенных платежей по карте. В аналитике у количественных данных есть другое название. А именно – числовые.
Дискретные
У численно представленных сведений тоже есть классификация. Первый вариант – дискретная информация. Она представляет собой подсчет случаев наличия параметра/характеристики, предмета, деятельности или конкретного результата. Соответствующие измерения не делимы. Разбить их без потери истинного смысла на более мелкие составляющие нельзя.
В случае с дискретной информацией существует конечное число возможных значений, которые подлежат регистрации при наблюдениях. Такой вариант помогает:
- посчитать свободное количество (отклонения, медианы);
- рассчитать и оценить интенсивность событийных потоков.
В классическом представлении соответствующий вид информации представляется диаграммами (столбчатыми). Каждый столбик – это отдельное значение. Высота – пропорция к целому.
Непрерывные
Непрерывные сведения принимают практически любое значение числового характера. Не подлежат разделения на меньшие элементы, включая дробные и десятичные значения. Обычно измеряются по шкалам.
Примеры: рост, вес, температура. Непрерывная информация делится на два типа:
- Интервальные. Это – упорядоченные единицы, имеющие одинаковое отличие друг от друга. Говорить о соответствующем варианте целесообразно тогда, когда есть переменная, содержащая упорядоченные числовые значения с известной «разницей». Пример – температурный режим в выбранной области. У такого вида информации нет «абсолютного нуля».
- Соотношения. Данные соотношения – это тоже упорядоченные единицы с одинаковыми отличиями. Схожи с предыдущим вариантом, но обладают «абсолютным нулем». Примеры – длина, вес, высота, рост.
Непрерывная информация допускает использование при анализе практически всех существующих методов – от медиан до амплитуд.
Качественные
Также есть качественные данные. Они менее гибкие при анализе, особенно если планируется работа с числами и подобной информацией. Представляют собой характеристики, которые описываются. С помощью таких сведений составляют непосредственное описание наблюдений, характеристик, параметров.
Информация, которую хранят качественные данные в переменной, трудно измеримы. Полученные результаты будут субъективными. Примеры: вкусовые предпочтения, семейное положение, цвет самоката. Данная категория носит название категориальной.
Номинальные
У качественных данных тоже есть своя классификация. Первый вариант – это номинальный вид. Он выражает дискретные единицы, помогает обозначать переменные, не имеющие количественных выражений.
Номинальные качественные данные не имеют никакого порядка. При изменении их «положения» во время исследований результаты не меняются. Для визуализации лучше всего использовать круговые и столбчатые диаграммы. А для обработки информации чаще применяется прямое кодирование. Оно помогает провести преобразования для формирования числовых свойств.
Порядковые качественные
Порядковые качественные данные – сочетание числовых и категориальных сведений. «Измерения» можно разбить на различные категории, но числа, ассоциирующиеся с каждым вариантом, обладают значением.
Пример – рейтинги общепита. Здесь:
- 0 – это самая низкая оценка;
- 5 – самая высокая.
Обрабатываются такие материалы в качестве категориальных (количественных), если при построении диаграмм и графиков подразделяются на конкретные, упорядоченные блоки/группы.
Порядковые сведения – это почти то же самое, что и номинальные качественные, но здесь порядок имеет значение. Для визуализации лучше использовать шкалы.
Обобщаются качественные порядковые данные при помощи:
- частности;
- процентных долей;
- диаграмм.
Допускается использование процентиля, медианы, моды, межквартального размаха.
Бинарные
Рассматривая качественные и количественные данные, стоит обратить внимание на еще один вариант. Он относится к категориальным. Речь идет о бинарном типе сведений.
Такой вариант широко известен в программировании. Качественные сведения будут принимать только две интерпретации – «да» и «нет». Подобные «ответы» представлены в виде:
- истины и лжи;
- 1 и 0.
Бинарные качественные сведения широко применяются в машинном обучении. В качестве примера можно привести любой вопрос, на который отвечают «да» или «нет»: помыл ли человек машину, забрал ли детей из сада.
Быстрее разобраться в статистике, качественных и количественных данных, машинном обучении помогут специализированные дистанционные компьютерные курсы. Они рассчитаны на срок от нескольких месяцев до года. Подобрать направление можно с учетом желаний, потребностей и навыков. В конце выдается электронный сертификат, подтверждающий знания человека. Освоить инновационное IT-направление еще никогда не было настолько легко и интересно.
P. S. Большой выбор курсов по машинному обучению есть и в Otus. Представлены варианты как для продвинутых, так и для начинающих пользователей.
