Bir Dağılım Bir Şekildir
İstatistiğin Bir Geometrisi Vardır
Her veri setinin bir şekli vardır. Değerleri bir sayı doğrusu üzerinde yerleştirin ve kümelerinin olduğu her noktaya bir çubuk yığdığınızda bir silüet belirir: bir tepe, tek taraflı bir eğilim, uzun bir kuyruk. İstatistik, bu şekle koordinatlar verir.
Şeklin merkezini belirleyen iki kilometre taşı vardır.
Ortalama, ağırlık merkezidir (centroid): denge noktası. Her veri değerini, sayı doğrusu boyunca uzanan bir tahterevalli üzerinde oturan eşit ağırlıklar olarak hayal edin. Ortalama, tahterevalli'nin dengede kaldığı tek pivot noktasıdır. Merkezden uzak değerler, tahterevalli'nin ucunda oturan ağır bir çocuk gibi tam olarak kaldıraç etkisi yaratır: mesafe çarpı ağırlık.
Medyan, sayısal olarak ortadaki değerdir: altındaki veri yarısı ve üstündeki veri yarısı olan değerdir. Sadece sıralamaya ve sayıya bakar, bir değerin ne kadar uçta olduğuna asla bakmaz.
Mükemmel simetrik bir dağılımda dönme noktası (pivot) ile orta nokta çakışır: ortalama, medyana eşittir. Simetri bozulduğunda bu iki değer ayrılır.
Çarpıklık (Skew), bozulmuş simetridir. Sağa çarpıklık, yüksek değerlere doğru uzayan uzun bir kuyruğa sahiptir (gelir verisetindeki birkaç milyarder gibi). Bu uçtaki ağırlıklar denge noktasını kuyruğa doğru çeker, bu nedenle ortalama, medyanın sağına düşer. Sol çarpıklık ise bunun aynasıdır.
This is why a median household income and a mean household income differ: the geometry of a lopsided shape pulls the centroid away from the count-middle.
Ortalama Hangi Yöne Kayar?
Bir kasaba hane gelirlerini raporluyor. Ailelerin çoğu 40.000 ile 90.000 arasında kazanıyor, ancak birkaç sakin birkaç milyon kazanıyor. Gelir dağılımının sağa doğru uzayan uzun bir kuyruğu var.
Merkezden Ne Kadar Uzak Tipik?
Yayılım Bir Mesafedir
Ağırlık merkezi (centroid), şeklin nerede dengelediğini söyler. Şeklin ne kadar geniş olduğu hakkında hiçbir şey söylemez. İki veri seti aynı ortalamaya sahip olabilirken birbirine hiç benzemeyebilir: biri merkez etrafında sıkı sıkıya toplanmışken, diğeri geniş bir alana yayılmış olabilir.
Standart sapma (sigma) yayılımı ölçer: bu, temelde bir değerin ortalamadan tipik uzaklığıdır. Küçük sigma, merkeze yapışık dar ve uzun bir şekil anlamına gelir. Büyük sigma ise her iki yöne de uzanan geniş ve düz bir şekil demektir.
İki okçuyu düşünün. İkisinin de ortalaması tam merkezdedir: ağırlık merkezleri (centroid) hedefin tam ortasındadır. A okçusu tüm oklarını merkezden bir el genişliği içinde toplar (küçük sigma). B okçusu ise okları hedefin tamamına yayar, ancak kaçanlar birbirini götürdüğü için ortalama yine merkez olarak okunur (büyük sigma). Aynı ortalama, zıt yayılım. Tek başına ortalama onları ayırt edemez; standart sapma edebilir.
Geometrik olarak sigma, dağılımın yatay ölçeğini belirler. Şekli denge noktasını oynatmadan daha geniş çekerseniz, ortalama sabit tutulurken sigma artar. Şeklin bu tek sayısal genişliği, sonraki fikrin dayandığı şeydir.
Aynı Merkez, Farklı Genişlik
İki fabrika da ortalama 500 gram ağırlığında torbalar dolduruyor. A fabrikasının standart sapması 4 gram. B fabrikasının standart sapması 20 gram.
Bir müşteri, 500 gramdan 15 gramdan fazla sapma gösteren her torbayı reddediyor.
Kök n Üzerinde 1 Gibi Küçülen Hata
Verilerin Yayılımdan Tahminin Yayılımına
Nadir durumlarda tüm bir popülasyonu ölçersiniz. Bir örneklem alırsınız ve ortalamasını bir tahmin olarak hesaplayın. Farklı bir örneklem alırsanız, biraz farklı bir ortalama elde edersiniz. Bu örneklem ortalamalarının kendi şekilleri vardır: örnekleme dağılımı, gerçek ortalama etrafında merkezlenmiştir.
Genişliğinin bir adı var: ortalamanın standart hatası.
SH = sigma / sqrt(n)
Burada sigma, bireysel değerlerin yayılımını; n ise örneklem büyüklüğünü ifade eder. Standart hata, bir örneklem ortalaması ile gerçek ortalama arasındaki tipik uzaklıktır; ham verinin değil, tahmininizin yayılımıdır.
Geometri o karekökün içinde gizlidir. SH, 1/n olarak değil, 1/sqrt(n) olarak azalır. Daha fazla ölçüm ortalaması almak örneklem dağılımını daraltır, ancak getiriler azalarak devam eder: her yeni gözlem, bir öncekinden daha az daralma sağlar.
Kesin sonuç şudur: Standart hatayı İKİYE BÖLMEK için örneklem büyüklüğünü DÖRT KATINA ÇIKARMAK gerekir. n = 100'den n = 200'e geçmek hatanızı yarıya indirmez; n = 400'e ihtiyacınız var. Karekök ile ölçeklendiği için hassasiyet pahalıdır.
Yukarıdaki eğriler aynı merkezi paylaşır ve n, 25'ten 100'e, oradan da 400'e çıktıkça genişlikleri daralır; sigma 20 olarak sabit tutulmuştur. Her biri için SH değerini okuyun: 4, ardından 2, sonra 1.
Standart Hatanın Hesaplanması
Bir test puanı popülasyonunun standart sapması sigma = 20'dir. n = 100 boyutunda bir örneklem çizersiniz ve ortalamasını hesaplayın.
Eksen Yalan Söylediğinde
Manipüle Edilmiş Geometri
Bir grafik, sayıların uzunluklara, alanlara ve eğimlere dönüştürüldüğü bir geometrik çeviridir; göz bunu anında okur. Çeviriyi manipüle ederseniz, göz, verilerin asla söylemediği bir yalanı raporlar.
Kesik eksen. Bir çubuk grafikte değer ekseni sıfırdan başlamalıdır, böylece çubuk yüksekliği değere orantılı kalır. Eksenin başlangıcını 0 yerine 95 gibi bir değere ayarlarsanız, 100'den 102'ye olan bir artış (gerçekte %2'lik bir değişim), devasa bir artışmış gibi çerçeveyi doldurur. Çizilen uzunluklar artık sayıların oranlarıyla eşleşmez. Bir çizgi grafikte aynı hile her eğimi daha dik gösterir: dikey ölçek dar bir pencereye sıkıştırıldığı için kademeli bir yükseliş, bir uçurum gibi okunur.
Eğim şişirmesi. Eğim, yükselişin yataya oranıdır. Eksenin kapsadığı aralığı (gösterdiği değerlerin genişliğini) küçültürken piksel yüksekliğini sabit tutarsanız, her yükseliş daha dik çizilir. Trend değişmemiştir; yalnızca çerçevenin geometrisi değişmiştir.
Alan-uzunluk bozulması. Bir miktarın ikiye katlandığını göstermek için dürüst bir grafik TEK bir boyutu ikiye katlar: iki katı yüksekliğinde bir çubuk. Dürüst olmayan bir grafik ise bir simgeyi veya daireyi HER iki genişlik ve yükseklikte de ölçekler, böylece 2 katı bir değer, 4 katı alana sahip bir görüntüye dönüşür. Göz alanı yargıladığı için, ikiye katlanma dörde katlanma gibi görünür. Baloncuk grafikler, değeri alana değil yarıçapa eşledikleri için bunu sürekli olarak kötüye kullanırlar, çünkü alan yarıçapın karesiyle artar.
Profesyonel alışkanlık: Eksenin nereden başladığını kontrol edin, değerin uzunlukla mı yoksa alanla mı kodlandığını kontrol edin ve şekle güvenmeden önce zihinsel olarak yeniden ölçekleyin.
Bozulmayı Teşhis Edin
Bir gösterge paneli, çeyreklik gelirin 100 milyondan 104 milyona yükseldiğini gösteriyor. Kazanç dramatik görünmesi için tasarımcı, dikey ekseni 0 yerine 98'den başlatıyor. İkinci panel, aynı yüzde 4'lük kazancı, para kesesi simgesini hem genişlikte hem de yükseklikte yüzde 4 oranında büyütülerek çizerek temsil ediyor.
Şekil, Yayılım, Hata, Eksen
Konuyu Yerine Oturtmak
Otomatik panolar şekli sizin için çizer. Çubukları oluşturur, eğriyi uydurur, trendi animasyonla gösterir. Yapamadıkları şey ise geometriyi yargılayarak okumaktır. Bu, profesyonelin görevidir.
Eğitimli bir okuyucu herhangi bir grafikte dört kontrol yapar:
- Ağırlık merkezi (Centroid). Şekil nerede dengelenir ve bir çarpıklık, ortalamayı (mean) medyanın (median) üzerinden çekiyor mu? Tek bir raporlanan ortalama, çarpık bir gerçeği gizleyebilir.
- Yayılım. Şekil ne kadar geniş? Devasa bir varyans üzerine kurulan, kendinden emin görünen bir ortalama, takım elbiseli bir madeni para atışıdır.
- Örnekleme hatası. n (örneklem boyutu) ne kadardı? Tahmin, sigma/sqrt(n) standart hatasını taşır ve küçük bir örneklem, başlık sayı ne kadar net görünürse görünsün geniş ve güvenilmez bir aralık anlamına gelir.
- Eksen geometrisi. Değer ekseni sıfırdan mı başlıyor? Miktar uzunluk olarak mı yoksa alan olarak mı kodlanıyor? Manipüle edilmiş bir eksen, yuvarlama hatasını bir devrime dönüştürür.
Panel tabloyu (dashboard) resmi sunar. Siz ise şüpheyi sunarsınız. Eksen geometrisi manipüle edilmiş veya örnekleme boyutu çok küçük olan bir grafik, ne kadar cilalı görünürse görünsün şüphe uyandırır.
Bu Paneli Oku
Bir girişim şirketinin paneli şu iddiayı öne sürüyor: Kullanıcı başına ortalama gelir bu çeyrekte PATLADI. Küçük yazılar: Ortalama, n = 9 kullanıcılı bir örneklemden gelmektedir; bunların ikisi devasa kurumsal hesaplar ve çubuk grafiğinin ekseni, geçen çeyreğin değerinin %90'ından başlıyor.
İstatistiğin Geometrisi: Özet
Ne Öğrendiniz
İstatistik, sayılar giyen geometridir:
- Ortalama bir ağırlık merkezidir (centroid): verilerin denge noktasıdır. Çarpıklık, bu dönme noktasını uzun kuyruğa doğru çeker; bu nedenle sağa çarpık bir dağılımda ortalama > medyan olur. Medyan yalnızca konumları saydığı için bu çekme kuvvetine direnir.
- Standart sapma yayılımdır: merkezden tipik uzaklık, şeklin genişliğidir. İki dağılım aynı ortalamayı paylaşabilir, ancak değerlerinin ne kadar saçıldığında yalın farklılıklar gösterebilir.
- Örnekleme hatası sigma/sqrt(n)'dir: örnekleme dağılımının genişliğidir. 1/sqrt(n) gibi küçülür, bu nedenle hatanızı yarıya indirmek dört kat örneklem maliyeti demektir. Hassasiyet, karekök ile satın alınır.
- Eksen geometrisi yalan söyleyebilir: kesilmiş bir eksen, uzunluğu değerden koparır ve eğimi dikleştirir; bir simgeyi iki boyutta ölçeklemek, alanı çarpanın karesi kadar büyütür, böylece göz bir ikiye katlamayı dört katlanma olarak okur.
Otomatik panolar şekli çizer. Profesyonel onu okur: ağırlık merkezini belirler, yayılımı ölçer, örnekleme hatasını tartar ve eksen geometrisi manipüle edilmiş her grafiğe şüpheyle yaklaşır. Görsel taban; yargı tavan.