Przejdź do głównej treści
Polski— Wybierz język
Menu

Statystyki opisowe zautomatyzowane

Lekcja 4 z 14 Zaktualizowano 5 listopada 2026 Średnio zaawansowani
Na tej stronie
  1. Zrozum swoje dane w mgnieniu oka
  2. Ekspresowe podsumowanie statystyczne
  3. Statystyki według kategorii
  4. Rozkłady i częstości
  5. Korelacje między zmiennymi
  6. Wykrywanie wartości odstających
  7. Automatyzacja raportu opisowego
  8. Twoja kolej
  9. Kluczowe wnioski

Zrozum swoje dane w mgnieniu oka

Statystyki opisowe to fundament każdej analizy. Średnia, mediana, odchylenie standardowe, rozkład: te wskaźniki mówią ci, co zawierają twoje dane, zanim jeszcze spróbujesz cokolwiek wyjaśnić. Pominięcie tego kroku jest jak budowanie rekomendacji na podstawie średniej zniekształconej przez trzy skrajne wartości, a następnie bronienie jej z przekonaniem, na które liczby nie zasługują. Dzięki ChatGPT ta diagnoza zajmuje jedno zdanie, a interpretacja następuje natychmiast.

Ekspresowe podsumowanie statystyczne

Najprostsze polecenie na start:

Give me a complete statistical summary of this dataset.

ChatGPT zazwyczaj opiera się na funkcji describe() z biblioteki pandas i komentuje wynik. Dla każdej kolumny numerycznej otrzymujesz następujące wskaźniki:

  • count — liczba wartości niepustych
  • mean — średnia
  • std — odchylenie standardowe (miara rozproszenia)
  • min / max — wartości skrajne
  • 25% / 50% / 75% — kwartyle (mediana = 50%)

Zestawienie tych wierszy już wiele wnosi. Jeśli count wynosi 8400 w pliku liczącym 10 000 wierszy, brakuje 16% danych, a każda obliczona średnia dotyczy tylko części portfela. Jeśli średnia znacznie różni się od mediany, rozkład jest skośny. Zamiast wykonywać te obliczenia w pamięci, po prostu zapytaj:

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

Statystyki według kategorii

Średnie globalne prawie zawsze maskują różnice. Średnia wartość koszyka wynosząca 180 € może ukrywać segment korporacyjny na poziomie 900 € i segment indywidualny na poziomie 60 €. W takim przypadku średnia nie opisuje żadnego rzeczywistego klienta, a każda decyzja oparta na niej całkowicie pomija obie populacje.

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

Nadal musisz wybrać wskaźnik, który odpowiada na twoje pytanie, ponieważ każdy z nich mierzy coś innego.

WskaźnikCo mierzyKiedy go użyć
ŚredniaWartość centralnaDane symetryczne, bez wartości skrajnych
MedianaWartość środkowaDane skośne lub dane z wartościami odstającymi
Odchylenie standardoweRozproszenie wokół średniejOcena zmienności wyników
DominantaNajczęstsza wartośćDane kategoryczne lub dyskretne
KorelacjaLiniowa zależność między dwiema zmiennymiIdentyfikacja powiązanych czynników

Rozkłady i częstości

W przypadku zmiennej numerycznej kształt rozkładu mówi więcej niż sama średnia. Histogram pokazuje, czy twoje kwoty grupują się wokół jednej wartości, czy rozkładają się na dwa odrębne szczyty, co jest oznaką dwóch nakładających się zachowań zakupowych w tym samym pliku.

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

ChatGPT generuje histogram i może zastosować test normalności, taki jak test Shapiro-Wilka, co wpływa na wybór kolejnych testów. Przy dużych próbach test ten sygnalizuje nawet najmniejsze odchylenia od normalności, dlatego przed wyciągnięciem wniosków sprawdź kształt histogramu. Dla zmiennych kategorycznych logika przesuwa się w stronę częstości:

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

Otrzymujesz liczebność i procent dla każdej kategorii – wystarczy to, by zauważyć, że jeden sektor stanowi 60% portfela, co oznacza 60% twojego ryzyka, jeśli ten sektor zwolni.

Korelacje między zmiennymi

Korelacje ujawniają zależności między twoimi kolumnami numerycznymi i otwierają nowe ścieżki analizy.

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

ChatGPT generuje macierz, wyróżnia istotne korelacje i wyjaśnia, co każda z nich oznacza w kontekście twojego biznesu. Przy czytaniu wyników konieczne są trzy środki ostrożności. Po pierwsze, korelacja nie implikuje przyczynowości: wspólny wzrost budżetu reklamowego i sprzedaży może być jedynie wspólnym efektem sezonowości. Po drugie, wartości skrajne zniekształcają współczynnik – poproś o obliczenie z wartościami odstającymi i bez nich; różnica często bywa pouczająca. Wreszcie, zmienne kategoryczne domyślnie nie są uwzględniane. Aby uwzględnić segmenty klientów lub kanały sprzedaży, poproś o wcześniejsze kodowanie. Aby pójść dalej – porównać grupy za pomocą testu t lub ANOVA либо zamodelować zależność za pomocą regresji – opisz, co chcesz zrozumieć, poproś ChatGPT o odpowiednią technikę i poproś o wyjaśnienie wyniku.

Wykrywanie wartości odstających

Wartość odstająca niekoniecznie jest błędem. Zamówienie na 95 000 € może być pomyłką przy wprowadzaniu danych lub pierwszym dużym kontraktem przedsiębiorczym w roku. Postępowanie różni się całkowicie: w jednym przypadku ją poprawiasz, w drugim – wyróżniasz.

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 oblicza granice IQR (Q1 - 1,5 * IQR oraz Q3 + 1,5 * IQR) i wymienia wartości wykraczające poza te granice wraz z ich kontekstem. Następnie decydujesz wiersz po wierszu, zamiast odrzucać całą partię – i przypadkowo usuwać klientów, dzięki którym miałeś udany rok.

Automatyzacja raportu opisowego

Gdy już opanujesz to podejście, skondensuj je w jednym poleceniu:

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.

To polecenie generuje ustrukturyzowany dokument, który powinieneś przejrzeć przed udostępnieniem. Miej je pod ręką: stosowane do tego samego eksportu co miesiąc, staje się twoim standardowym punktem wyjścia i umożliwia porównywanie okresów.

Pięcioetapowa diagnoza statystyczna Pięć kroków: podsumuj kolumny numeryczne; podziel na segmenty według kategorii; zbadaj rozkłady; wyszukaj korelacje; zidentyfikuj wartości odstające. STATYSTYKI Pięcioetapowa diagnoza statystyczna 1 Podsumuj Kolumny 2 Segmenty Kategorie 3 Kształty Rozkłady 4 Powiązania Korelacje 5 Odchylenia Wartości odstające Wartość odstająca niekoniecznie jest błędem: decyduj wiersz po wierszu.
Metodyka lekcji.

Twoja kolej

Twoja pierwsza diagnoza statystyczna.

  1. Poproś o podsumowanie statystyczne swojego pliku, a następnie o jego interpretację
  2. Porównaj średnią i medianę w swojej głównej kolumnie kwotowej
  3. Oblicz te same wskaźniki według kategorii
  4. Wyświetl rozkład tej kolumny i zidentyfikuj wartości odstające
  5. Sklasyfikuj każdą wartość odstającą: błąd do poprawy czy przypadek uzasadniony

Źródła oficjalne: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centrum pomocy OpenAI)

Kluczowe wnioski

  • Podsumowanie statystyczne to twój pierwszy krok po oczyszczeniu danych
  • Zawsze dokonuj segmentacji według kategorii – średnie globalne maskują różnice
  • Mediana jest często bardziej wiarygodna niż średnia w przypadku danych ze świata rzeczywistego
  • Korelacje ujawniają ścieżki analizy, a nie pewniki
  • Poproś ChatGPT o interpretację liczb, a nie tylko ich obliczenie