Data Analytics: Statistik & Visualisasi Data: semua pelajaran

P(positif | sakit) dan P(sakit | positif) adalah dua angka yang sangat berbeda. Menukarnya adalah kesalahan paling mahal dalam statistik terapan.

Ambil rata-rata dari banyak sampel, dan distribusinya mendekati normal — hampir apa pun bentuk data aslinya. Ini alasan sebagian besar statistik inferensial bekerja.

p-value menjawab pertanyaan yang sangat spesifik — dan hampir tidak pernah pertanyaan yang ingin Anda tanyakan. Power memberi tahu apakah eksperimen Anda bisa menemukan sesuatu sejak awal.

Apa yang sebenarnya dijanjikan "95%", dan kenapa interval lebih jujur daripada satu p-value.

Hipotesis, metrik utama, metrik pengaman, dan unit randomisasi — keputusan yang harus dibuat sebelum satu pengunjung pun masuk ke eksperimen.

Minimum detectable effect menentukan berapa pengunjung yang Anda butuhkan, dan kalender menentukan berapa lama — selalu dalam minggu penuh.

Uji proporsi, interval kepercayaan untuk selisihnya, metrik pengaman yang berkelanjutan, dan cara melaporkan hasilnya kepada orang yang harus memutuskan.

Mengintip, sample ratio mismatch, efek kebaruan, dan terlalu banyak metrik — empat kebiasaan yang terasa wajar dan membuat eksperimen yang rapi memberi jawaban yang salah.

Kemiringan, intersep, dan R² — dan apa yang tidak dikatakan R².

Kenapa koefisien berubah ketika variabel lain ditambahkan — dan kapan perubahan itu memperbaiki jawaban, kapan merusaknya.

Residual, heteroskedastisitas, dan titik yang terlalu berpengaruh — empat pemeriksaan yang menentukan apakah tabel koefisien yang rapi itu bisa dipercaya.

Rata-rata, simpangan baku, dan korelasi yang identik bisa menyembunyikan data dengan bentuk yang sama sekali berbeda. Satu grafik menangkap apa yang terlewat oleh semua angka itu.

Grafik eksplorasi mencari temuan; grafik presentasi menyampaikannya. Judul yang menyatakan temuan, label langsung, dan menghapus semua yang tidak membantu.

Palet kategorikal, sekuensial, dan divergen melakukan tiga pekerjaan yang berbeda — dan satu dari dua belas pembaca pria tidak bisa membedakan merah dari hijau.

Figure berisi Axes, Axes berisi Artist — begitu Anda memegang objeknya, setiap elemen grafik bisa dikendalikan, dan grafik dengan tiga panel tidak lagi menakutkan.

Distribusi, perbandingan kelompok, dan facet dalam satu baris dari DataFrame — asalkan datanya berbentuk panjang dan Anda tahu grafik mana yang menyembunyikan apa.

Hover, zoom, dan filter mengubah grafik dari jawaban menjadi alat bertanya — berguna untuk eksplorasi dan untuk dibagikan, dan merugikan di atas proyektor.

Dashboard yang dipakai dimulai dari keputusan yang harus diambil seseorang setiap pagi — bukan dari data yang kebetulan tersedia.

Sebuah KPI adalah definisinya. Metrik utama, metrik pendukung, metrik penjaga — dan cara mengenali metrik yang mudah dimanipulasi atau yang hanya bergerak karena noise.

Konteks, ketegangan, temuan, rekomendasi — struktur yang membuat orang bertindak atas analisis yang benar, bukan hanya mengangguk.

Batang mengodekan panjang, jadi batang harus mulai dari nol; garis mengodekan posisi, jadi boleh tidak. Dan dua sumbu y dengan skala bebas bisa membuat dua seri apa pun tampak bergerak bersama.

Seri yang sama bisa "turun 19%" atau "naik 10%" tergantung di mana Anda memulai; grafik kumulatif tidak pernah turun; dan ikon yang dua kali lebih tinggi terlihat empat kali lebih besar.