Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Statistieken automatisch beschrijven

Les 4 van 14 Bijgewerkt op 5 november 2026 Gemiddeld
Op deze pagina
  1. Uw data in een oogopslag begrijpen
  2. De snelle statistische samenvatting
  3. Statistieken per categorie
  4. Verdelingen en frequenties
  5. Correlaties tussen variabelen
  6. Uitbijters detecteren
  7. Het beschrijvende rapport automatiseren
  8. Aan de slag
  9. Belangrijkste punten

Uw data in een oogopslag begrijpen

Beschrijvende statistieken vormen de basis van elke analyse. Gemiddelde, mediaan, standaardafwijking, verdeling: deze indicatoren vertellen u wat uw data bevat, nog voordat u iets probeert te verklaren. Deze stap overslaan is vergelijkbaar met het bouwen van een aanbeveling op een gemiddelde dat wordt vertekend door drie extreme waarden, om het vervolgens te verdedigen met een overtuiging die de cijfers niet verdienen. Met ChatGPT duurt deze diagnose slechts één zin, en de interpretatie volgt direct.

De snelle statistische samenvatting

De eenvoudigste opdracht om mee te beginnen:

Give me a complete statistical summary of this dataset.

ChatGPT maakt doorgaans gebruik van de pandas-functie describe() en becommentarieert het resultaat. Voor elke numerieke kolom ontvangt u de volgende indicatoren:

  • count — aantal niet-lege waarden
  • mean — gemiddelde
  • std — standaardafwijking (maat voor spreiding)
  • min / max — extreme waarden
  • 25% / 50% / 75% — kwartielen (mediaan = 50%)

Het kruislings vergelijken van deze rijen levert al inzichten op. Als count 8.400 is in een bestand van 10.000 rijen, ontbreekt 16% van de data en geldt elk berekend gemiddelde slechts voor een deel van de portefeuille. Als het gemiddelde aanzienlijk afwijkt van de mediaan, is de verdeling scheef. In plaats van deze hoofdrekening zelf uit te voeren, vraagt u gewoon:

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

Statistieken per categorie

Wereldwijde gemiddelden maskeren bijna altijd discrepanties. Een gemiddelde winkelmand van € 180 kan een zakelijk segment van € 900 en een particulier segment van € 60 verbergen. In dat geval beschrijft het gemiddelde geen enkele reële klant en mist elke daarop gebaseerde beslissing beide populaties volledig.

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

U moet nog steeds de indicator kiezen die uw vraag beantwoordt, omdat elk iets anders meet.

IndicatorWat het meetWanneer te gebruiken
GemiddeldeCentrale waardeSymmetrische data, geen extreme waarden
MediaanMiddelste waardeScheve data of data met uitbijters
StandaardafwijkingSpreiding rond het gemiddeldeBeoordelen van prestatievariabiliteit
ModusMeest voorkomende waardeCategorische of discrete data
CorrelatieLineair verband tussen twee variabelenIdentificeren van gekoppelde factoren

Verdelingen en frequenties

Bij een numerieke variabele vertelt de vorm van de verdeling u meer dan het gemiddelde. Een histogram toont of uw bedragen zich rond één waarde clusteren of zich over twee verschillende pieken verspreiden, een teken van twee overlappende koopgedragingen in hetzelfde bestand.

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

ChatGPT genereert het histogram en kan een normaliteitstoets toepassen, zoals de Shapiro-Wilk-toets, wat van invloed is op de keuze van vervolgtesten. Bij grote steekproeven signaleert deze toets zelfs de kleinste afwijking van normaliteit; controleer daarom de vorm van het histogram voordat u conclusies trekt. Bij categorische variabelen verschuift de logica naar frequenties:

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

U ontvangt het aantal en het percentage voor elke categorie—genoeg om op te merken dat één sector 60% van de portefeuille uitmaakt, wat betekent dat 60% van uw risico bij die sector ligt als deze vertraagt.

Correlaties tussen variabelen

Correlaties onthullen relaties tussen uw numerieke kolommen en openen nieuwe wegen voor analyse.

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

ChatGPT genereert de matrix, markeert significante correlaties en legt uit wat elk betekent in uw bedrijfscontext. Drie voorzorgsmaatregelen zijn noodzakelijk bij het lezen van de resultaten. Ten eerste impliceert correlatie geen causaliteit: een gezamenlijke stijging van het advertentiebudget en de verkoop kan gewoon het gemeenschappelijke effect van seizoensgebondenheid zijn. Ten tweede verstoren extreme waarden de coëfficiënt—vraag om de berekening met en zonder uitbijters; het verschil is vaak instructief. Tot slot worden categorische variabelen niet standaard meegenomen. Om klantsegmenten of verkoopkanalen op te nemen, vraagt u om voorafgaande codering (encoding). Om verder te gaan—groepen vergelijken met een t-test of ANOVA, of een relatie modelleren met regressie—beschrijft u wat u wilt begrijpen, vraagt u ChatGPT om de geschikte techniek en laat u het resultaat uitleggen.

Uitbijters detecteren

Een uitbijter is niet per se een fout. Een bestelling van € 95.000 kan een invoerfout zijn of het eerste grote enterprise-contract van het jaar. De afhandeling verschilt volledig: in het ene geval corrigeert u het, in het andere markeert u het.

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 berekent de IQR-grenzen (Q1 - 1,5 * IQR en Q3 + 1,5 * IQR) en somt de waarden buiten deze grenzen op met hun context. U besluit vervolgens rij voor rij, in plaats van de hele batch weg te gooien—en per ongeluk juist die klanten te verwijderen die uw jaar hebben gemaakt.

Het beschrijvende rapport automatiseren

Zodra u de aanpak onder de knie heeft, vat u deze samen in één prompt:

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.

Deze prompt produceert een gestructureerd document dat u moet controleren voordat u het deelt. Houd het bij de hand: als u het elke maand op dezelfde export toepast, wordt het uw standaardstartpunt en maakt het periodes vergelijkbaar.

Een statistische diagnose in vijf stappen Vijf stappen: numerieke kolommen samenvatten; segmenteren per categorie; verdelingen onderzoeken; zoeken naar correlaties; uitbijters identificeren. STATISTIEKEN Een statistische diagnose in vijf stappen 1 Samenvatten Kolommen 2 Segmenten Categorieën 3 Vormen Verdelingen 4 Verbanden Correlaties 5 Afwijkingen Uitbijters Een uitbijter is niet per se een fout: beslis rij voor rij.
Lesmethodologie.

Aan de slag

Uw eerste statistische diagnose.

  1. Vraag de statistische samenvatting van uw bestand op, gevolgd door de interpretatie
  2. Vergelijk het gemiddelde en de mediaan in uw primaire bedragkolom
  3. Bereken dezelfde indicatoren per categorie
  4. Toon de verdeling van deze kolom en identificeer uitbijters
  5. Classificeer elke uitbijter: fout die gecorrigeerd moet worden of legitiem geval

Officiële bronnen: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Belangrijkste punten

  • De statistische samenvatting is uw eerste stap na het opschonen
  • Segmenteer altijd per categorie—wereldwijde gemiddelden verbergen discrepanties
  • De mediaan is bij reële data vaak betrouwbaarder dan het gemiddelde
  • Correlaties onthullen wegen voor analyse, geen zekerheden
  • Vraag ChatGPT de cijfers te interpreteren, niet alleen te berekenen