Статистические характеристики числовых наборов

Слайд 1. Статистические характеристики числовых наборов

Среднее, медиана, размах и показатели разброса данных

Слайд 2. Что мы сегодня изучим?

Меры центральной тенденции: среднее и медиана

Порядок в данных: наибольшее и наименьшее значения

Насколько широки данные: размах

Насколько данные кучные: дисперсия и стандартное отклонение

Практическое применение статистики в жизни

Слайд 3. Среднее арифметическое

Это самое популярное число в статистике. Мы складываем все значения и делим на их количество. Оно показывает «центр тяжести» нашего набора чисел, если бы каждое число имело одинаковый вес.

Слайд 4. Формула среднего арифметического

Для набора чисел $x_1,x_2,\dots ,x_n$ среднее арифметическое $\bar{x}$ вычисляется так:

$$\bar{x}=\frac{x_1+x_2+\cdots +x_n}{n}=\frac{\sum x_i}{n}$$

Здесь $n$ — это общее количество чисел в наборе.

Слайд 5. Пример: Оценки в журнале

Представим оценки ученика: $5,4,3,5,4$.

1. Складываем: $5+4+3+5+4=21$.

2. Считаем количество: $n=5$.

3. Делим: $21/5=4,2$.

Средний балл равен $4,2$.

Слайд 6. Медиана: середина ряда

Медиана — это число, которое стоит ровно посередине в упорядоченном наборе данных. Половина чисел в наборе меньше медианы, а половина — больше. В отличие от среднего, медиана не боится резких всплесков (выбросов).

Слайд 7. Как найти медиану?

1. Упорядочить ряд.

2. Выбрать число в центре.

Пример: $\{1,3,7\}$ → Медиана $=3$.

1. Упорядочить ряд.

2. Взять два числа в центре.

3. Найти их среднее.

Пример: $\{1,3,5,7\}$ → $(3+5)/2=4$.

Слайд 8. Медиана против Среднего

Представьте 4 сотрудников с зарплатой $30$ тыс. и директора с $300$ тыс.

Среднее: $84$ тыс. (выглядит красиво, но неправда).

Медиана: $30$ тыс. (отражает реальность большинства).

Слайд 9. Статистика — это наука о том, как, имея средний рост 170 см, можно утонуть в реке со средней глубиной 50 см.

— Народная мудрость о важности разброса данных

Слайд 10. Экстремальные значения

Наибольшее ($x_{max}$) и наименьшее ($x_{min}$) значения — это границы нашего набора. Они помогают понять диапазон, в котором лежат наши данные. Например, в прогнозе погоды нас часто интересует именно пиковая жара или мороз.

Слайд 11. Размах набора

Размах ($R$) — это разница между самым большим и самым маленьким числом.

$$R=x_{max}-x_{min}$$

Это простейшая мера того, насколько широко «разбросаны» данные.

Слайд 12. Пример применения размаха

Сравним температуру в двух городах:

Город А: от $+15$ до $+25$. Размах $10$ градусов.

Город Б: от $-10$ до $+30$. Размах $40$ градусов.

В городе Б климат гораздо менее стабилен, хотя средняя температура может быть одинаковой.

Слайд 13. Меры рассеивания: Дисперсия и отклонение

Слайд 14. Отклонение от среднего

Чтобы понять, насколько данные «кучные», нужно посмотреть, как далеко каждое число ушло от среднего. Разность $(x_i-\bar{x})$ называется отклонением. Интересный факт: сумма всех отклонений в любом наборе всегда равна $0$.

Слайд 15. Зачем возводить в квадрат?

Так как сумма отклонений равна нулю (плюсы гасят минусы), мы возводим каждое отклонение в квадрат. Квадраты всегда положительны, и они сильнее «наказывают» за большие отклонения от центра.

Слайд 16. Дисперсия

Дисперсия (${\sigma }^2$) — это среднее арифметическое квадратов отклонений.

$${\sigma }^2=\frac{(x_1-\bar{x}{)}^2+\cdots +(x_n-\bar{x}{)}^2}{n}$$

Она показывает средний квадрат расстояния от среднего значения.

Слайд 17. Алгоритм вычисления дисперсии

1. Найдите среднее арифметическое.

2. Вычтите его из каждого числа.

3. Возведите результаты в квадрат.

4. Найдите среднее этих квадратов.

Слайд 18. Пример расчета дисперсии

Набор: $\{2,5,8\}$. Среднее $=5$.

Сумма квадратов: $9+0+9=18$.

Дисперсия: $18/3=6$.

Слайд 19. Стандартное отклонение

Дисперсия измеряется в «квадратных единицах» (например, квадратных метрах или рублях в квадрате). Это неудобно. Чтобы вернуться к обычным единицам, мы извлекаем корень из дисперсии.

Слайд 20. Формула стандартного отклонения

Стандартное (среднеквадратичное) отклонение обозначается греческой буквой $\sigma$ (сигма):

$$\sigma =\sqrt{{\sigma }^2}$$

Это самое точное описание того, насколько в среднем данные отклоняются от центра.

Слайд 21. Сравнение разброса данных

На графике показана дисперсия оценок двух классов. В классе А все учатся ровно, в классе Б — есть и гении, и отстающие. Средний балл может быть одинаков, но ситуация разная.

Слайд 22. Где это нужно в жизни?

На заводе детали должны иметь минимальное отклонение от стандарта.

Риск акций измеряется через стандартное отклонение их цены.

Стабильность результатов атлета важнее разового рекорда.

Нормы анализов крови строятся на основе среднего и отклонения.

Слайд 23. Выбросы: враги статистики

Выброс — это значение, которое сильно выбивается из общего ряда. Один миллиардер в комнате с 10 студентами превращает всех в «миллионеров» по среднему арифметическому, но не по медиане.

Слайд 24. Как выбросы влияют на показатели?

Среднее арифметическое: сильно меняется.

Медиана: почти не меняется (устойчива).

Размах: увеличивается катастрофически.

Дисперсия: резко возрастает, так как квадрат разности становится огромным.

Слайд 25. Три шага анализа данных

Выписать все числа и упорядочить их по возрастанию.

Найти среднее и медиану, чтобы понять типичное значение.

Оценить размах и отклонение, чтобы понять стабильность.

Слайд 26. Итоговая таблица для набора {2, 4, 4, 8, 12}

Слайд 27. Важные свойства

Если ко всем числам прибавить $C$, среднее и медиана увеличатся на $C$, а размах и дисперсия не изменятся.

Если все числа умножить на $k$, среднее и медиана увеличатся в $k$ раз, а дисперсия — в $k^2$ раз.

Стандартное отклонение при умножении на $k$ увеличится в $k$ раз.

Слайд 28. История развития понятий

1733

1809

1894

Абрахам де Муавр вводит понятие нормального распределения.

Карл Гаусс обосновывает метод наименьших квадратов.

Карл Пирсон вводит термин «стандартное отклонение».

Слайд 29. Главное за сегодня

Среднее и медиана — способы найти «типичное» число.

Размах — самый быстрый способ оценить разброс.

Дисперсия и отклонение — самые точные способы оценки стабильности.

Всегда проверяйте данные на наличие выбросов перед выводами.

Слайд 30. Спасибо за внимание! Есть ли вопросы?