Как описать распределение метрики
Вопрос
Вам дали выгрузку чеков за месяц. Как вы опишете распределение, прежде чем делать выводы?
Попробуйте сами
Ответьте вслух за 2 минуты, как на собесе. Потом сверьтесь с тезисами: что прозвучало, а что нет.
Показать ответ и разбор
Коротко
Что должно прозвучать в ответе
Объём данных, пропуски, явные ошибки
Среднее и медиана вместе, их сравнение говорит о хвосте
Разброс: std и IQR, квантили p5/p25/p75/p95/p99
Гистограмма, лучше в логарифмической шкале для денег
Выбросы: ошибка данных или реальные крупные клиенты
Разрезы по сегментам, где распределение может отличаться
Что могут спросить следом
- Когда медиана вводит в заблуждение?
- Что будете делать с отрицательными чеками?
- Как быстро понять, что распределение логнормальное?
Разбор
Сначала проверяю данные: сколько строк, есть ли пропуски, нули, отрицательные суммы, дубликаты. Потом центр: среднее и медиану вместе. Если среднее заметно больше медианы, у распределения тяжёлый правый хвост, и одно среднее вводит в заблуждение. Разброс описываю стандартным отклонением и IQR, плюс набором квантилей до p99, чтобы увидеть хвост. Строю гистограмму, для денег в логарифмической шкале: если там колокол, распределение близко к логнормальному. Смотрю на выбросы и разбираюсь, ошибка это или реальные крупные клиенты, их не удаляю молча. И разрезаю по сегментам: новые и старые, платформы, регионы, потому что общая картина может быть смесью разных групп.
Ответьте сами, а не прочитайте
В тренажёре вопрос попадёт в повторения и вернётся, когда начнёт забываться. Плюс билеты с зачётом: 20 вопросов, не больше 2 ошибок.
Термины по теме
Ещё по теме «Описательная статистика»
- Почему дисперсия выборки делится на n - 1
- Среднее, медиана и выборочное std на Python
- Выбросы по правилу Тьюки на Python
- Корреляция и причинность
- Меры описательной статистики
- Среднее больше медианы: что это значит
- Медиана или среднее для чека
- Что делать с выбросами в аналитике