آمار توصیفی چیست؟

آمار توصیفی مجموعه تکنیک‌هایی است که ویژگی‌های اصلی یک مجموعه داده را خلاصه می‌کند. این داده‌ها، که می‌توانند نمایانگر کل جمعیت یا نمونه‌ای از آن باشند، به‌صورت مختصر و بدون نتیجه‌گیری فراتر از داده‌ها ارائه می‌شوند.

آمار توصیفی ضرایب اطلاعاتی مختصری هستند که یک مجموعه داده معین را خلاصه می‌کنند، که می‌تواند نمایانگر کل جمعیت یا نمونه‌ای از یک جمعیت باشد. آمار توصیفی به دو دسته تقسیم می‌شوند: معیارهای گرایش مرکزی و معیارهای پراکندگی (تغییرپذیری). معیارهای گرایش مرکزی شامل میانگین، میانه و مد هستند، در حالی که معیارهای پراکندگی شامل انحراف استاندارد، واریانس، حداقل و حداکثر متغیرها، کشیدگی (Kurtosis) و چولگی (Skewness) می‌شوند.

نکات کلیدی

• آمار توصیفی ویژگی‌های یک مجموعه داده را خلاصه یا توصیف می‌کنند.
• آمار توصیفی شامل سه دسته اصلی از معیارها است: معیارهای گرایش مرکزی، معیارهای پراکندگی (یا گسترش) و توزیع فراوانی.
• معیارهای گرایش مرکزی مرکز مجموعه داده را توصیف می‌کنند (میانگین، میانه، مد).
• معیارهای پراکندگی پراکندگی مجموعه داده را توصیف می‌کنند (واریانس، انحراف استاندارد).
• معیارهای توزیع فراوانی وقوع داده‌ها در مجموعه داده را توصیف می‌کنند (شمارش).

درک آمار توصیفی
آمار توصیفی به توصیف و توضیح ویژگی‌های یک مجموعه داده خاص با ارائه خلاصه‌های کوتاه درباره نمونه و معیارهای داده کمک می‌کنند. شناخته‌شده‌ترین انواع آمار توصیفی، معیارهای مرکز هستند. برای مثال، میانگین، میانه و مد، که تقریباً در همه سطوح ریاضی و آمار استفاده می‌شوند، برای تعریف و توصیف یک مجموعه داده به کار می‌روند. میانگین یا متوسط با جمع تمام اعداد در مجموعه داده و سپس تقسیم بر تعداد اعداد در مجموعه محاسبه می‌شود.

برای مثال، مجموع مجموعه داده زیر 20 است: (2، 3، 4، 5، 6). میانگین 4 است (20/5). مد یک مجموعه داده مقداری است که بیشترین تکرار را دارد و میانه مقداری است که در وسط مجموعه داده قرار دارد. این مقدار اعداد بالاتر را از اعداد پایین‌تر در مجموعه داده جدا می‌کند. با این حال، انواع کمتر شناخته‌شده‌ای از آمار توصیفی نیز وجود دارند که همچنان بسیار مهم هستند.

افراد از آمار توصیفی برای تبدیل بینش‌های کمی دشوار در یک مجموعه داده بزرگ به توصیف‌های کوتاه و قابل‌فهم استفاده می‌کنند. برای مثال، میانگین نمرات (GPA) یک دانش‌آموز نمونه خوبی از آمار توصیفی است. ایده GPA این است که داده‌های مربوط به نمرات دوره‌های مختلف را جمع‌آوری کرده و آن‌ها را میانگین می‌گیرد تا درک کلی از عملکرد تحصیلی کلی دانش‌آموز ارائه دهد. GPA شخصی یک دانش‌آموز عملکرد تحصیلی میانگین آن‌ها را منعکس می‌کند.

مهم: آمار توصیفی، به‌ویژه در زمینه‌هایی مانند پزشکی، اغلب داده‌ها را با استفاده از نمودارهای پراکندگی، هیستوگرام‌ها، نمودارهای خطی یا نمایش‌های ساقه و برگ به‌صورت بصری نشان می‌دهند. در ادامه این مقاله بیشتر درباره تصاویر صحبت خواهیم کرد.

انواع آمار توصیفی
همه آمارهای توصیفی یا معیارهای گرایش مرکزی هستند یا معیارهای پراکندگی، که به‌عنوان معیارهای گسترش نیز شناخته می‌شوند.

گرایش مرکزی
معیارهای گرایش مرکزی بر مقادیر متوسط یا میانی مجموعه‌های داده تمرکز دارند، در حالی که معیارهای پراکندگی بر پخش‌شدگی داده‌ها تمرکز دارند. این دو معیار از نمودارها، جداول و بحث‌های عمومی برای کمک به درک معنای داده‌های تحلیل‌شده استفاده می‌کنند.

معیارهای گرایش مرکزی موقعیت مرکزی توزیع یک مجموعه داده را توصیف می‌کنند. فرد فراوانی هر نقطه داده در توزیع را تحلیل کرده و آن را با استفاده از میانگین، میانه یا مد توصیف می‌کند، که الگوهای رایج مجموعه داده تحلیل‌شده را اندازه‌گیری می‌کند.

پراکندگی
معیارهای پراکندگی (یا معیارهای گسترش) به تحلیل چگونگی پخش‌شدگی توزیع برای یک مجموعه داده کمک می‌کنند. برای مثال، در حالی که معیارهای گرایش مرکزی ممکن است میانگین یک مجموعه داده را به فرد بدهند، نحوه توزیع داده‌ها در مجموعه را توصیف نمی‌کنند.

بنابراین، در حالی که میانگین داده‌ها ممکن است 65 از 100 باشد، همچنان می‌تواند نقاط داده‌ای در 1 و 100 داشته باشد. معیارهای پراکندگی این موضوع را با توصیف شکل و گسترش مجموعه داده منتقل می‌کنند. دامنه، چارک‌ها، انحراف مطلق و واریانس همه نمونه‌هایی از معیارهای پراکندگی هستند.

برای مثال، مجموعه داده زیر را در نظر بگیرید: 5، 19، 24، 62، 91، 100. دامنه این مجموعه داده 95 است که با کسر کوچک‌ترین عدد (5) از بزرگ‌ترین عدد (100) محاسبه می‌شود.

توزیع
توزیع (یا توزیع فراوانی) به تعداد دفعاتی اشاره دارد که یک نقطه داده رخ می‌دهد. به‌طور جایگزین، می‌تواند تعداد دفعاتی باشد که یک نقطه داده رخ نمی‌دهد. مجموعه داده زیر را در نظر بگیرید: مرد، مرد، زن، زن، زن، دیگر. توزیع این داده‌ها می‌تواند به‌صورت زیر طبقه‌بندی شود:

• تعداد مردان در مجموعه داده 2 است.
• تعداد زنان در مجموعه داده 3 است.
• تعداد افرادی که به‌عنوان دیگر شناسایی می‌شوند 1 است.
• تعداد غیرمردان 4 است.

تک‌متغیره در مقابل دو متغیره
در آمار توصیفی، داده‌های تک‌متغیره تنها یک متغیر را تحلیل می‌کنند. این برای شناسایی ویژگی‌های یک صفت واحد استفاده می‌شود و برای تحلیل هیچ‌گونه رابطه یا علتی به کار نمی‌رود.

برای مثال، تصور کنید یک اتاق پر از دانش‌آموزان دبیرستانی دارید. فرض کنید می‌خواهید میانگین سنی افراد در اتاق را جمع‌آوری کنید. این داده تک‌متغیره تنها به یک عامل وابسته است: سن هر فرد. با جمع‌آوری این یک قطعه اطلاعات از هر فرد و تقسیم بر تعداد کل افراد، می‌توانید میانگین سنی را تعیین کنید.

داده‌های دو متغیره، از سوی دیگر، سعی می‌کنند دو متغیر را با جستجوی همبستگی مرتبط کنند. دو نوع داده جمع‌آوری می‌شود و رابطه بین این دو قطعه اطلاعات با هم تحلیل می‌شود. به دلیل تحلیل چندین متغیر، این رویکرد ممکن است به‌عنوان چندمتغیره نیز شناخته شود.

فرض کنید هر دانش‌آموز دبیرستانی در مثال بالا یک آزمون ارزیابی دانشگاهی انجام می‌دهد و ما می‌خواهیم ببینیم آیا دانش‌آموزان مسن‌تر بهتر از دانش‌آموزان جوان‌تر آزمون می‌دهند. علاوه بر جمع‌آوری سنین دانش‌آموزان، باید نمره آزمون هر دانش‌آموز را پیدا کنیم. سپس، با استفاده از تحلیل داده‌ها، به‌صورت ریاضی یا گرافیکی نشان می‌دهیم که آیا رابطه‌ای بین سن دانش‌آموز و نمرات آزمون وجود دارد.

واقعیت مهم: تهیه و گزارش صورت‌های مالی نمونه‌ای از آمار توصیفی است. تحلیل این اطلاعات مالی برای تصمیم‌گیری درباره آینده، آمار استنباطی است.

آمار توصیفی و تجسم‌ها
یکی از جنبه‌های ضروری آمار توصیفی، نمایش گرافیکی است. تجسم مؤثر توزیع‌های داده می‌تواند بسیار قدرتمند باشد و به چندین روش انجام می‌شود.

هیستوگرام‌ها ابزارهایی برای نمایش توزیع داده‌های عددی هستند. آن‌ها داده‌ها را به بازه‌ها یا دسته‌ها تقسیم می‌کنند و فراوانی یا تعداد نقاط داده‌ای که در هر دسته قرار می‌گیرند را از طریق میله‌هایی با ارتفاع‌های مختلف نشان می‌دهند. هیستوگرام‌ها به شناسایی شکل توزیع، گرایش مرکزی و پراکندگی داده‌ها کمک می‌کنند.

تجسم دیگر، نمودارهای جعبه‌ای (Boxplots) هستند. نمودارهای جعبه‌ای، که به‌عنوان نمودارهای جعبه و سبیل نیز شناخته می‌شوند، خلاصه‌ای مختصر از توزیع داده‌ها با برجسته کردن آمارهای خلاصه کلیدی، از جمله میانه (خط وسط داخل جعبه)، چارک‌ها (لبه‌های جعبه) و نقاط پرت احتمالی (نقاط خارج یا «سبیل‌ها») ارائه می‌دهند. نمودارهای جعبه‌ای توزیع و چولگی داده‌ها را به‌صورت بصری نشان می‌دهند و به‌ویژه برای مقایسه توزیع‌ها در گروه‌ها یا متغیرهای مختلف مفید هستند.

آمار توصیفی و نقاط پرت
هرگاه درباره آمار توصیفی صحبت می‌شود، توجه به نقاط پرت (Outliers) مهم است. نقاط پرت نقاط داده‌ای هستند که به‌طور قابل‌توجهی از سایر مشاهدات در یک مجموعه داده متفاوت‌اند. این‌ها می‌توانند خطاها، ناهنجاری‌ها یا رویدادهای نادر در داده‌ها باشند.

تشخیص و مدیریت نقاط پرت گامی در آمار توصیفی برای اطمینان از تحلیل دقیق و قابل‌اعتماد داده‌هاست. برای شناسایی نقاط پرت، می‌توانید از تکنیک‌های گرافیکی (مانند نمودارهای جعبه‌ای یا پراکندگی) یا روش‌های آماری (مانند امتیاز Z یا روش IQR) استفاده کنید. این رویکردها به شناسایی مشاهداتی که به‌طور قابل‌توجهی از الگوی کلی داده‌ها منحرف می‌شوند، کمک می‌کنند.

وجود نقاط پرت می‌تواند تأثیر قابل‌توجهی بر آمار توصیفی داشته باشد، نتایج را منحرف کرده و تفسیر داده‌ها را تحت تأثیر قرار دهد. نقاط پرت می‌توانند به‌طور نامتناسبی بر معیارهای گرایش مرکزی مانند میانگین تأثیر بگذارند و آن را به سمت مقادیر افراطی خود بکشند. برای مثال، میانگین مجموعه داده (1، 1، 1، 997) برابر 250 است، حتی اگر این مقدار به سختی نماینده مجموعه داده باشد. این تحریف می‌تواند به نتایج گمراه‌کننده درباره رفتار معمول مجموعه داده منجر شود.

بسته به زمینه، نقاط پرت اغلب می‌توانند با حذف آن‌ها (اگر واقعاً خطا یا بی‌ربط باشند) مدیریت شوند. به‌طور جایگزین، نقاط پرت ممکن است اطلاعات مهمی داشته باشند و باید به دلیل ارزشی که ممکن است نشان دهند، حفظ شوند. هنگام تحلیل داده‌های خود، اهمیت نقاط پرت را در نظر بگیرید و اینکه آیا منطقی‌تر است که این نقاط داده از محاسبات آماری توصیفی شما حذف شوند یا خیر.

آمار توصیفی در مقابل آمار استنباطی
آمار توصیفی عملکرد متفاوتی از آمار استنباطی دارند، که مجموعه‌های داده‌ای هستند که برای تصمیم‌گیری یا اعمال ویژگی‌ها از یک مجموعه داده به دیگری استفاده می‌شوند.

مثال دیگری را تصور کنید که یک شرکت سس تند می‌فروشد. این شرکت داده‌هایی مانند تعداد فروش، میانگین مقدار خریداری‌شده در هر تراکنش و میانگین فروش در هر روز هفته جمع‌آوری می‌کند. تمام این اطلاعات توصیفی هستند، زیرا داستانی از آنچه در گذشته اتفاق افتاده را روایت می‌کنند. در این مورد، این اطلاعات فراتر از اطلاع‌رسانی استفاده نمی‌شوند.

حالا فرض کنید که شرکت می‌خواهد یک سس تند جدید عرضه کند. همان داده‌های فروش بالا را جمع‌آوری می‌کند، اما از این اطلاعات برای پیش‌بینی فروش سس تند جدید استفاده می‌کند. استفاده از آمار توصیفی و اعمال ویژگی‌ها به یک مجموعه داده متفاوت، آن را به آمار استنباطی تبدیل می‌کند. ما دیگر صرفاً داده‌ها را خلاصه نمی‌کنیم؛ از آن برای پیش‌بینی آنچه در مورد یک مجموعه داده کاملاً متفاوت (در این مورد، محصول سس تند جدید) اتفاق خواهد افتاد، استفاده می‌کنیم.

توضیح مثل اینکه من 5 ساله‌ام
تصور کن تعداد زیادی از چیزی داری و می‌خوای به دوستات درباره‌شون بگی، ولی تعدادشون خیلی زیاده. آمار توصیفی به دوستات یه خلاصه سریع می‌ده، تا بدونن تو چی داری بدون اینکه لازم باشه هر تک‌تک آیتم رو نگاه کنن.

آمار توصیفی درباره استفاده از اعداد و اغلب تصاویر ساده، مثل نمودارها، برای گفتن یه داستان درباره چیزیه که داری بررسی می‌کنی. اونا بهت کمک می‌کنن بفهمی تو مجموعه‌ات چی هست و به بقیه سریع توضیح بدی.

آمار توصیفی چه کاری انجام می‌دهند؟
آمار توصیفی روشی برای توصیف ویژگی‌های یک مجموعه داده با ایجاد خلاصه‌هایی درباره نمونه‌های داده است. برای مثال، سرشماری جمعیت ممکن است شامل آمار توصیفی درباره نسبت مردان و زنان در یک شهر خاص باشد.

نمونه‌های آمار توصیفی چیست؟
در بازنگری یک فصل لیگ برتر بیسبال، برای مثال، آمار توصیفی ممکن است شامل میانگین‌های ضربه‌زنی تیم، تعداد دویدن‌های مجاز برای هر تیم و میانگین بردهای هر بخش باشد.

هدف اصلی آمار توصیفی چیست؟
هدف اصلی آمار توصیفی ارائه اطلاعات درباره یک مجموعه داده است. در مثال بالا، ده‌ها تیم بیسبال، صدها بازیکن و هزاران بازی وجود دارد. آمار توصیفی مقادیر زیادی داده را به قطعات اطلاعاتی مفید خلاصه می‌کند.

انواع آمار توصیفی چیست؟
سه نوع اصلی آمار توصیفی عبارت‌اند از: توزیع فراوانی، گرایش مرکزی و پراکندگی یک مجموعه داده. توزیع فراوانی ثبت می‌کند که داده‌ها چند بار رخ می‌دهند، گرایش مرکزی نقطه مرکزی توزیع داده‌ها را ثبت می‌کند و پراکندگی یک مجموعه داده درجه پخش‌شدگی آن را ثبت می‌کند.

آیا می‌توان از آمار توصیفی برای استنباط یا پیش‌بینی استفاده کرد؟
به‌طور فنی، آمار توصیفی تنها برای کمک به درک ویژگی‌های داده‌های تاریخی استفاده می‌شود. آمار استنباطی، شاخه جداگانه‌ای از آمار، برای درک چگونگی تعامل متغیرها با یکدیگر در یک مجموعه داده و احتمالاً پیش‌بینی آنچه ممکن است در آینده رخ دهد، استفاده می‌شود.

نتیجه‌گیری
آمار توصیفی به تحلیل، خلاصه‌سازی و انتقال یافته‌هایی اشاره دارد که یک مجموعه داده را توصیف می‌کنند. اغلب برای تصمیم‌گیری مفید نیستند، اما آمار توصیفی همچنان در توضیح خلاصه‌های سطح بالا از مجموعه‌ای از اطلاعات مانند میانگین، میانه، مد، واریانس، دامنه و تعداد اطلاعات ارزش دارند.