https://virgool.io/feed/@datacraftstudio25 fa 2026-06-17 06:19:04 https://files.virgool.io/upload/users/3814562/avatar/avatar.png?height=120&width=120 https://virgool.io/@datacraftstudio25 https://virgool.io/@datacraftstudio25/7-%D8%AA%D8%A7%D8%A8%D8%B9-%D8%A7%D8%B5%D9%84%DB%8C-%D8%A2%D9%85%D8%A7%D8%B1-%D8%AF%D8%B1-%D8%B9%D9%84%D9%85-%D8%AF%D8%A7%D8%AF%D9%87-%D8%A8%D8%A7-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-kpyq1rfye1l8 آمار نقش اساسی در علم داده دارد و به ما کمک میکند تا دادهها را خلاصه، تحلیل و تفسیر کنیم. در این آموزش، ۷ تابع اصلی آمار را بررسی میکنیم که هر متخصص داده باید آنها را بشناسد.در پست کاربرد توابع آمار در پایتون میتوانید نحوه استفاده هر تابع را مشاهده کنید .۱. میانگین (Mean)تعریف: میانگین، متوسط مقادیر یک مجموعه داده است.محاسبه:Mean=∑i=1nxinMean=n∑i=1n​xi​​مثال:دادهها: [10, 20, 30, 40, 50]میانگین = (10 + 20 + 30 + 40 + 50) / 5 = 30کاربرد:برای یافتن مرکزیت دادهها در توزیع نرمال.در مدلسازی و پیشبینی (مثلاً رگرسیون خطی).نکته: میانگین به مقادیر پرت (Outliers) حساس است.۲. میانه (Median)تعریف: مقدار وسطی در یک مجموعه داده مرتبشده.محاسبه:اگر تعداد دادهها فرد باشد: مقدار وسط.اگر زوج باشد: میانگین دو مقدار وسط.مثال:دادهها: [5, 10, 15, 20, 25] → میانه = ۱۵دادهها: [5, 10, 15, 20] → میانه = (10 + 15)/2 = 12.5کاربرد:مقاوم در برابر دادههای پرت (بهتر از میانگین برای توزیعهای نامتقارن).در تحلیل حقوق و درآمد (که اغلب چوله است).۳. مد (Mode)تعریف: مقداری که بیشترین تکرار را در دادهها دارد.مثال:دادهها: [5, 10, 10, 15, 20] → مد = ۱۰کاربرد:برای دادههای طبقهبندیشده (مانند رنگهای پرطرفدار).در تحلیل فروش محصولات پرفروش.نکته: یک مجموعه داده میتواند چند مد داشته باشد (چندمُدی).۴. دامنه (Range)تعریف: تفاوت بین بزرگترین و کوچکترین مقدار.محاسبه:Range=Max−MinRange=Max−Minمثال:دادهها: [10, 20, 30, 40, 50] → دامنه = ۵۰ - ۱۰ = ۴۰کاربرد:نشاندهنده پراکندگی کلی دادهها.در کنترل کیفیت (مثلاً تغییرات دمای یک فرآیند).محدودیت: فقط دو نقطه از داده را در نظر میگیرد.۵. واریانس (Variance)تعریف: میانگین مربع اختلاف هر داده از میانگین.محاسبه:σ2=∑i=1n(xi−μ)2nσ2=n∑i=1n​(xi​−μ)2​مثال:دادهها: [10, 20, 30, 40, 50] (میانگین = ۳۰)واریانس = [(10-30)² + (20-30)² + ... + (50-30)²] / 5 = 200کاربرد:سنجش پراکندگی دادهها حول میانگین.در یادگیری ماشین برای بهینهسازی مدلها.نکته: واحد آن مربع واحد داده است (مثلاً اگر دادهها بر حسب متر باشند، واریانس بر حسب متر مربع است).۶. انحراف معیار (Standard Deviation)تعریف: جذر واریانس (برای بازگشت به واحد اصلی).محاسبه:σ=Varianceσ=Variance​مثال:واریانس = ۲۰۰ → انحراف معیار ≈ ۱۴.۱۴کاربرد:تفسیر راحتتر پراکندگی نسبت به واریانس.در تحلیل ریسک مالی (نوسانات بازار).نکته: هرچه انحراف معیار کوچکتر باشد، دادهها به میانگین نزدیکترند.۷. چولگی (Skewness)تعریف: میزان عدم تقارن توزیع دادهها.انواع:چولگی مثبت (راستگرد): دم دادهها به سمت راست کشیده شده (میانه < میانگین).چولگی منفی (چپگرد): دم دادهها به سمت چپ کشیده شده (میانه > میانگین).متقارن (صفر): توزیع نرمال (میانه = میانگین).مثال:درآمد افراد: معمولاً چوله به راست (تعداد کمی درآمد بسیار بالا دارند).نمرات امتحان آسان: چوله به چپ (اکثر نمرات بالا هستند).کاربرد:تشخیص نرمال بودن دادهها برای مدلسازی.در تحلیل بازارهای مالی و رفتار مشتریان. DataCraft Studio DataCraft Studio Mon, 19 May 2025 16:58:03 +0330