Distribusi Adalah Sebuah Bentuk
Statistik Memiliki Geometri
Setiap kumpulan data memiliki bentuk. Plot nilai-nilai tersebut di sepanjang garis bilangan dan tumpuk batang di mana pun mereka berkumpul, maka akan muncul siluet: sebuah gundukan, kemiringan yang tidak seimbang, atau ekor yang panjang. Statistik memberikan koordinat untuk bentuk tersebut.
Dua penanda lokasi menentukan pusat bentuk tersebut.
Rata-rata adalah pusat massa: titik keseimbangan. Bayangkan setiap nilai data sebagai bobot yang sama yang duduk di atas jungkat-jungkit yang diletakkan di sepanjang garis bilangan. Rata-rata adalah titik tumpu tunggal di mana jungkat-jungkit tersebut seimbang. Nilai-nilai yang jauh dari pusat memberikan daya ungkit persis seperti anak yang berat yang duduk jauh di ujung jungkat-jungkit: jarak dikali bobot.
Median adalah nilai tengah berdasarkan jumlah: nilai yang memiliki setengah data di bawahnya dan setengah di atasnya. Median hanya peduli pada urutan dan jumlah, tidak peduli seberapa jauh suatu nilai berada.
Pada bentuk yang simetris sempurna, titik tumpu dan titik tengah berimpit: rata-rata sama dengan median. Jika simetri terputus, keduanya akan terpisah.
Skew (kemiringan) adalah simetri yang terputus tersebut. Skew kanan memiliki ekor panjang yang membentang menuju nilai tinggi (misalnya, beberapa miliarder dalam dataset pendapatan). Bobot-bobot yang jauh di ekor tersebut menarik titik keseimbangan menuju ekor, sehingga rata-rata berada di sebelah kanan median. Skew kiri merupakan cerminan dari hal ini.
Inilah mengapa pendapatan rumah tangga median dan pendapatan rumah tangga rata-rata berbeda: geometri bentuk yang tidak simetris menarik pusat (centroid) menjauh dari titik tengah jumlah.
Ke Arah Mana Rata-rata Bergerak?
Sebuah kota melaporkan pendapatan rumah tangganya. Sebagian besar keluarga berpenghasilan antara 40.000 dan 90.000, tetapi segelintir penduduk berpenghasilan beberapa juta. Bentuk distribusi pendapatan memiliki ekor panjang yang membentang ke kanan.
Seberapa Jauh dari Pusat yang Tipikal?
Sebaran adalah Jarak
Centroid memberitahumu di mana bentuk tersebut seimbang. Ia tidak mengatakan apa pun tentang seberapa lebar bentuk tersebut. Dua set data dapat memiliki rata-rata yang identik namun terlihat sangat berbeda: satu terkemas rapat di sekitar pusat, yang lain tersebar luas.
Standar deviasi (sigma) mengukur sebaran: pada dasarnya, ini adalah jarak tipikal suatu nilai dari rata-rata. Sigma kecil berarti bentuk yang sempit dan tinggi yang menempel di pusat. Sigma besar berarti bentuk yang lebar dan datar yang menjauh ke kedua sisi.
Pertimbangkan dua pemanah. Keduanya memiliki rata-rata tepat di tengah: pusat gravitasi mereka berada di titik tengah sasaran. Pemanah A mengelompokkan setiap panah dalam jarak satu lebar tangan dari pusat (sigma kecil). Pemanah B menyebarkan panah di seluruh sasaran, namun kesalahan-kesalahan tersebut saling meniadakan sehingga rata-ratanya tetap terbaca di tengah (sigma besar). Rata-rata sama, sebaran berlawanan. Rata-rata saja tidak dapat membedakan keduanya; standar deviasi dapat.
Secara geometris, sigma mengatur skala horizontal dari distribusi. Meregangkan bentuk lebih lebar tanpa memindahkan titik keseimbangan berarti Anda telah menaikkan sigma sambil mempertahankan rata-rata tetap. Angka tunggal itu, lebar dari bentuknya, adalah yang menjadi dasar ide berikutnya.
Pusat Sama, Lebar Berbeda
Dua pabrik masing-masing mengisi kantong dengan berat rata-rata 500 gram. Pabrik A memiliki standar deviasi 4 gram. Pabrik B memiliki standar deviasi 20 gram.
Seorang pelanggan menolak kantong apa pun yang beratnya lebih dari 15 gram dari 500 gram.
Kesalahan yang Menyusut Seperti 1 Dibagi Akar n
Dari Sebaran Data ke Sebaran Estimasi
Kamu jarang mengukur seluruh populasi. Kamu mengambil sampel dan menghitung rata-ratanya sebagai estimasi. Jika mengambil sampel yang berbeda, kamu akan mendapatkan rata-rata yang sedikit berbeda. Rata-rata sampel tersebut memiliki bentuknya sendiri: distribusi sampling, yang berpusat pada rata-rata sebenarnya.
Lebar ini memiliki nama: galat standar dari rata-rata.
SE = sigma / sqrt(n)
di mana sigma adalah sebaran nilai individual dan n adalah ukuran sampel. Galat standar adalah jarak tipikal antara rata-rata sampel dan rata-rata sebenarnya: ini adalah sebaran dari estimasi Anda, bukan dari data mentah.
Geometrinya terletak pada akar kuadrat tersebut. SE turun sebagai 1/sqrt(n), bukan sebagai 1/n. Merata-ratakan lebih banyak pengukuran menyempitkan distribusi sampling, tetapi dengan hasil yang menurun: setiap observasi baru memberikan penyempitan yang lebih sedikit daripada yang sebelumnya.
Konsekuensinya yang blak-blakan: untuk MENGUASIKAN galat standar, Anda harus MENGEMBALIKAN ukuran sampel menjadi empat kali lipat. Pergi dari n = 100 ke n = 200 tidak menguasiakan galat Anda; Anda membutuhkan n = 400. Presisi itu mahal karena skalanya mengikuti akar kuadrat.
Kurva di atas berbagi satu pusat yang sama dan menyempit lebarnya seiring n naik dari 25 menjadi 100 menjadi 400, dengan sigma tetap pada 20. Baca SE pada masing-masing: 4, lalu 2, lalu 1.
Hitung Galat Standar
Sebuah populasi nilai ujian memiliki standar deviasi sigma = 20. Anda mengambil sampel berukuran n = 100 dan menghitung rata-ratanya.
Ketika Sumbu Berbohong
Geometri yang Dimanipulasi
Sebuah grafik adalah terjemahan geometris: angka menjadi panjang, luas, dan kemiringan yang dibaca mata secara instan. Jika terjemahan tersebut dimanipulasi, mata akan melaporkan kebohongan yang tidak pernah disampaikan oleh data.
Sumbu terpotong. Grafik batang seharusnya memulai sumbu nilainya dari nol, sehingga tinggi batang tetap proporsional terhadap nilainya. Jika sumbu dimulai dari, misalnya, 95 alih-alih 0, kenaikan dari 100 menjadi 102 (perubahan riil sebesar 2 persen) akan memenuhi bingkai seolah-olah sangat besar. Panjang yang digambar tidak lagi sesuai dengan rasio angka-angkanya. Pada grafik garis, trik yang sama membuat setiap kemiringan menjadi lebih curam: kenaikan yang landai terbaca sebagai tebing karena skala vertikal dipadatkan ke dalam jendela yang sempit.
Inflasi kemiringan. Kemiringan adalah kenaikan dibagi jarak. Perkecil rentang yang dilintasi oleh sumbu (rentang nilai yang ditampilkan) sambil menjaga tinggi piksel tetap, dan setiap kenaikan akan digambar ulang menjadi lebih curam. Trennya tidak berubah; hanya geometri bingkainya saja yang berubah.
Distorsi luas-terhadap-panjang. Untuk menunjukkan bahwa suatu kuantitas berlipat dua, grafik yang jujur menggandakan SATU dimensi: batang yang dua kali lebih tinggi. Grafik yang tidak jujur memperbesar ikon atau lingkaran dalam KEDUA lebar dan tinggi, sehingga nilai 2x menjadi gambar dengan luas 4x. Mata menilai luas, sehingga penglipatan dua kali terlihat seperti penglipatan empat kali. Grafik gelembung sering menyalahgunakan hal ini ketika memetakan nilai ke radius alih-alih ke luas, karena luas tumbuh sebagai kuadrat dari radius.
Kebiasaan profesional: periksa di mana sumbu dimulai, periksa apakah panjang atau luas yang mengodekan nilai, dan lakukan penskalaan ulang secara mental sebelum mempercayai bentuknya.
Diagnosis Distorsi
Sebuah dasbor menunjukkan pendapatan kuartalan yang naik dari 100 menjadi 104 juta. Agar kenaikan terlihat dramatis, desainer memulai sumbu vertikal dari 98 alih-alih 0. Panel kedua merepresentasikan kenaikan 4 persen yang sama dengan menggambar ikon tas uang yang diperbesar 4 persen pada KEDUA lebar dan tingginya.
Bentuk, Sebaran, Kesalahan, Sumbu
Memahami Lebih Mendalam
Dasbor otomatis menggambar bentuknya untuk Anda. Mereka merender batang, menyesuaikan kurva, dan menganimasikan tren. Yang tidak bisa mereka lakukan adalah membaca geometri tersebut dengan penilaian yang tepat. Itulah tugas seorang profesional.
Seorang pembaca yang terlatih melakukan empat pemeriksaan pada setiap grafik:
- Sentroid. Di mana bentuk tersebut seimbang, dan apakah kemiringan (skew) menarik rata-rata menjauh dari median? Satu angka rata-rata yang dilaporkan dapat menyembunyikan realitas yang tidak seimbang.
- Sebaran. Seberapa lebar bentuk tersebut? Rata-rata yang terlihat percaya diri tetapi dibangun di atas varians yang besar hanyalah lemparan koin dalam setelan jas.
- Kesalahan sampling. Seberapa besar n? Estimasi tersebut membawa kesalahan standar sebesar sigma/sqrt(n), dan sampel yang kecil berarti interval yang lebar dan tidak dapat dipercaya, tidak peduli seberapa tajam angka utama yang terlihat.
- Geometri sumbu. Apakah sumbu nilai dimulai dari nol? Apakah kuantitas tersebut dikodekan sebagai panjang atau sebagai luas? Sumbu yang dimanipulasi mengubah kesalahan pembulatan menjadi revolusi.
Dasbor menyediakan gambarnya. Kamu menyediakan ketidakpercayaannya. Grafik yang geometrinya sumbu direkayasa, atau yang sampelnya terlalu kecil, akan menuai skeptisisme tak peduli seberapa rapi penampilannya.
Baca Dasbor Ini
Dasbor sebuah startup menyatakan: pendapatan rata-rata per pengguna MELONJAK kuartal ini. Catatan kecil: rata-rata tersebut berasal dari sampel n = 9 pengguna, dua di antaranya adalah akun perusahaan besar, dan sumbu grafik batang dimulai dari 90 persen nilai kuartal sebelumnya.
Geometri Statistik: Ringkasan
Apa yang Telah Anda Pelajari
Statistik adalah geometri yang mengenakan angka:
- Rata-rata adalah sentroid: titik keseimbangan data. Kemiringan menarik titik tumpu tersebut ke arah ekor panjang, sehingga bentuk yang miring ke kanan memiliki rata-rata > median. Median hanya menghitung posisi, sehingga ia tahan terhadap tarikan tersebut.
- Standar deviasi adalah sebaran: jarak tipikal dari pusat, lebar bentuk. Dua distribusi dapat memiliki rata-rata yang sama namun sangat berbeda dalam seberapa jauh nilai-nilainya tersebar.
- Kesalahan sampling adalah sigma/sqrt(n): lebar distribusi sampling. Ini menyusut seperti 1/sqrt(n), sehingga mengurangi kesalahan Anda setengahnya membutuhkan sampel empat kali lipat. Presisi dibeli dengan akar kuadrat.
- Geometri sumbu bisa berbohong: sumbu yang dipotong memisahkan panjang dari nilai dan mempercuram kemiringan; memperbesar ikon dalam dua dimensi meningkatkan luasnya sebagai kuadrat dari faktor tersebut, sehingga mata membaca penggandaan sebagai pengkuadruplingan.
Dasbor otomatis menggambar bentuknya. Profesionalnya yang membacanya: mengidentifikasi pusat gravitasi, mengukur sebaran, menimbang kesalahan pengambilan sampel, dan tidak mempercayai grafik apa pun yang geometri sumbunya direkayasa. Gambar adalah batas bawah; penilaian adalah batas atas.