Вопрос, на который могут ответить данные

Статистика начинается с вопроса, но не каждый вопрос является статистическим.

Сравни эти два вопроса:

• "Сколько весит пингвин в строке 1 нашей таблицы?"
• "Сколько весят взрослые пингвины папуа?"

У первого есть один ответ: нужно посмотреть его в таблице (3 750 g). У второго есть много ответов, потому что пингвины отличаются друг от друга. Ответить на него можно только с помощью обобщения множества измерений: типичного значения, диапазона или изображения. Статистический вопрос — это вопрос, на который ответы могут отличаться, и собранные данные тоже будут различаться.

"Сколько учеников сегодня в нашем классе?" — это вопрос на подсчёт с одним ответом. "Сколько часов спят ученики в нашей школе в ночь перед учебным днём?" — статистический вопрос: разные ученики дадут разные ответы, и самое интересное здесь — закономерность.

Данные обычно представлены в виде таблицы. Вот несколько важных терминов:

• Единица наблюдения (также называется объектом наблюдения): то, что описывает каждая строка. В таблице с пингвинами это один пингвин.
• Переменная: то, что измеряют или записывают для каждой единицы наблюдения; для каждой переменной предназначен отдельный столбец: вид, остров, длина ласты, масса тела, пол.
• Значение: запись в одной клетке, например «Gentoo» или 214 mm.

Стандартная структура, которую часто называют аккуратными данными, основана на трёх правилах: каждая строка — это одна единица наблюдения, каждый столбец — одна переменная, а в каждой клетке находится одно значение. Такие таблицы легко сортировать, применять к ним фильтр, подсчитывать значения и строить графики, поэтому их ожидают почти все инструменты для анализа данных.

Первые три строки таблицы с пингвинами выглядят так:

• Adelie · Torgersen · клюв длиной 39,1 mm и глубиной 18,7 mm · ласта 181 mm · 3 750 g · самец · 2007
• Adelie · Torgersen · клюв длиной 39,5 mm и глубиной 17,4 mm · ласта 186 mm · 3 800 g · самка · 2007
• Adelie · Torgersen · клюв длиной 40,3 mm и глубиной 18,0 mm · ласта 195 mm · 3 250 g · самка · 2007

Измерения пингвинов взяты из набора данных пингвины Палмера: 344 птицы, измеренные на станции Палмера в Антарктике в 2007, 2008 и 2009 годах (Gorman, Williams и Fraser, 2014). Набор опубликован в общественном достоянии (CC0).

Переменные делятся на два основных семейства.

• Категориальные переменные распределяют каждую единицу наблюдения по группе: вид, остров, пол. Их значения — это метки. Можно посчитать, сколько объектов входит в каждую группу.
• Численные (количественные) переменные — это измерения или подсчёты, для которых имеют смысл арифметические действия: длина ласты, масса тела. Для них можно вычислить среднее значение.

Численные переменные тоже делятся на два вида. Дискретная переменная принимает отдельные значения, которые можно посчитать, например число яиц в гнезде (0, 1, 2, 3 …). Непрерывная переменная может принимать любое значение в определённом диапазоне — всё зависит только от точности измерения: длина ласты может быть 214 mm, 214,3 mm или 214,27 mm. Масса тела и длина ласты — непрерывные переменные, даже если в таблице они записаны только целыми числами граммов или миллиметров.

Хорошая проверка для «численной» переменной: имеет ли смысл среднее значение? Среднее значение массы тела группы пингвинов имеет смысл. А среднее значение списка почтовых индексов — нет.