Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Automaatne kirjeldav statistika

Õppetund 4 / 14 Värskendatud 5. november 2026 Kesktase
Sellel lehel
  1. Mõista oma andmeid silmapilkselt
  2. Kiire statistiline kokkuvõte
  3. Statistika kategooriate kaupa
  4. Jaotused ja sagedused
  5. Muutujatevahelised korrelatsioonid
  6. Erandite tuvastamine
  7. Kirjeldava aruande automatiseerimine
  8. Sinu kord
  9. Peamised punktid

Mõista oma andmeid silmapilkselt

Kirjeldav statistika on iga analüüsi alustala. Keskmised, mediaanid, standardhälbed, jaotused: need näitajad räägivad sulle, mida su andmed sisaldavad, enne kui üritad midagi selgitada. Selle sammu vahelejätmine on nagu soovituse ehitamine keskmisele, mida moonutavad kolm äärmuslikku väärtust, ja selle kaitsmine veendumusega, mida numbrid ei õigusta. ChatGPT-ga võtab see diagnoos aega ühe lause ja tõlgendus järgneb kohe.

Kiire statistiline kokkuvõte

Lihtsaim käsk alustamiseks:

Give me a complete statistical summary of this dataset.

ChatGPT tugineb üldjuhul pandas’i funktsioonile describe() ja kommenteerib tulemust. Iga arvulise veeru kohta saad järgmised näitajad:

  • count — mittetühjade väärtuste arv
  • mean — keskmine
  • std — standardhälve (hajuvuse mõõt)
  • min / max — äärmuslikud väärtused
  • 25% / 50% / 75% — kvartiilid (mediaan = 50%)

Nende ridade võrdlemine annab juba palju infot. Kui count on 8400 failis, kus on 10 000 rida, puudub 16% andmetest ja ükskõik milline arvutatud keskmine kehtib vaid portfelli osa kohta. Kui keskmine erineb oluliselt mediaanist, on jaotus kaldus. Selle asemel, et teha seda peast arvutust ise, küsi lihtsalt:

Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?

Statistika kategooriate kaupa

Üldised keskmised varjavad peaaegu alati erinevusi. 180-eurone keskmine ostukorv võib peita endas 900-eurost äriklientide segmenti ja 60-eurost eraisikute segmenti. Sel juhul ei kirjelda keskmine ühtegi tegelikku klienti ja sellel põhinev otsus möödub mõlemast grupist täielikult.

Calculate the mean, median, and standard deviation of order amounts
for each product category.

Sa pead ikkagi valima näitaja, mis vastab su küsimusele, sest igaüks mõõdab midagi muud.

NäitajaMida mõõdabMillal kasutada
Mean (Keskmine)Tsentraalne väärtusSümmeetrilised andmed, äärmuslike väärtusteta
Median (Mediaan)Keskmine väärtusKaldus andmed või andmed eranditega
Standard deviation (Standardhälve)Hajuvus keskmise ümberTulemuslikkuse varieeruvuse hindamine
Mode (Mood)Kõige sagedasem väärtusKategoorilised või diskreetsed andmed
Correlation (Korrelatsioon)Kahe muutuja lineaarne seosSeotud tegurite tuvastamine

Jaotused ja sagedused

Arvulise muutuja puhul räägib jaotuse kuju rohkem kui keskmine. Histogramm näitab, kas su summad koondunud ühe väärtuse ümber või hajuvad kahe eraldiseisva tipuna, mis viitab kahe kattuva ostukäitumise olemasolule samas failis.

Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.

ChatGPT genereerib histogrammi ja saab rakendada normaalsustesti, nagu Shapiro-Wilki test, mis mõjutab järgnevate testide valikut. Suurte valimite puhul märgib see test isegi väikseima kõrvalekalde normaalsusest, seega kontrolli histogrammi kuju enne järelduste tegemist. Kategooriliste muutujate puhul nihkub loogika sagedustele:

What is the distribution of clients by industry sector?
Display absolute and relative frequencies.

Saad iga kategooria kohta loenduse ja protsendi – piisav, et märgata, kui üks sektor moodustab 60% portfellist, mis tähendab 60% su riskist, kui see sektor aeglustub.

Muutujatevahelised korrelatsioonid

Korrelatsioonid paljastavad seoseid su arvuliste veergude vahel ja avavad uusi analüüsivõimalusi.

Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).

ChatGPT genereerib maatriksi, toob esile olulised korrelatsioonid ja selgitab, mida ükski neist su ärikontekstis tähendab. Tulemuste lugemisel on vaja kolme ettevaatust. Esiteks, korrelatsioon ei tähenda põhjuslikkust: reklaamieelarve ja müügi ühine tõus võib olla lihtsalt hooajalisuse ühine mõju. Teiseks, äärmuslikud väärtused moonutavad koefitsienti – küsi arvutust nii eranditega kui ka ilma; erinevus on sageli õpetlik. Lõpuks, kategoorilisi muutujaid vaikimisi ei kaasata. Kliendisegmentide või müügikanalite kaasamiseks küsi eelnevat kodeerimist. Edasi minekuks – gruppide võrdlemine t-testi või ANOVA-ga või seose modelleerimine regressiooniga – kirjelda, mida soovid mõista, küsi ChatGPT-lt sobivat tehnikat ja lase tulemust selgitada.

Erandite tuvastamine

Erand ei ole tingimata viga. 95 000-eurone tellimus võib olla sisestusviga või aasta esimene suur äriklientide leping. Käitlemine on täiesti erinev: ühel juhul parandad selle, teisel tood esile.

Identify outliers in "order_amount"
using the IQR method. List the affected rows
and indicate whether they appear to be errors or legitimate cases.

ChatGPT arvutab IQR piirid (Q1 - 1,5 * IQR ja Q3 + 1,5 * IQR) ning loetleb piiridest väljas olevad väärtused koos nende kontekstiga. Seejärel otsustad rea haaval, mitte ei viska kogu partiid minna – ja juhuslikult ei kustuta just neid kliente, kes su aasta tegid.

Kirjeldava aruande automatiseerimine

Kui oled lähenemisviisi omandanud, koonda see üheks vihjeks:

Generate a complete descriptive statistical report for this file.
Include: overview, statistics per numerical column,
distribution of categorical variables, main correlations,
detected outliers, and recommendations for the next analysis step.

See vihk toodab struktureeritud dokumendi, mille peaksid enne jagamist üle vaatama. Hoia see käepärast: igakuiselt samale ekspordile rakendatuna saab sellest su standardne lähtepunkt ja muudab perioodid võrreldavaks.

Viieastmeline statistiline diagnoos Viis sammu: arvuliste veergude kokkuvõte; segmentimine kategooriate kaupa; jaotuste uurimine; korrelatsioonide otsimine; erandite tuvastamine. STATISTIKA Viieastmeline statistiline diagnoos 1 Kokkuvõte Veerud 2 Segmendid Kategooriad 3 Kujud Jaotused 4 Seosed Korrelatsioonid 5 Kõrvalekalded Erandid Erand ei ole tingimata viga: otsusta rea haaval.
Tunni metoodika.

Sinu kord

Su esimene statistiline diagnoos.

  1. Küsi oma faili statistilist kokkuvõtet ja seejärel selle tõlgendust
  2. Võrdle keskmist ja mediaani oma peamises summade veerus
  3. Arvuta samad näitajad kategooriate kaupa
  4. Kuva selle veeru jaotus ja tuvasta erandid
  5. Liigita iga erand: viga, mida parandada, või legitiimne juhtum

Ametlikud allikad: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Peamised punktid

  • Statistiline kokkuvõte on su esimene samm pärast puhastamist
  • Segmenti alati kategooriate kaupa – üldkeskmised varjavad erinevusi
  • Reaalsete andmete puhul on mediaan sageli usaldusväärsem kui keskmine
  • Korrelatsioonid paljastavad analüüsivõimalusi, mitte kindlaid tõdesid
  • Palu ChatGPT-l numbreid tõlgendada, mitte ainult arvutada