کتابخانه‌ی استاندارد · عدد و مجموعه

آمار stats

آمار توصیفی روی فهرستی از عددها: میانگین، میانه، واریانس، انحراف معیار و صدک.

واردسازی آمار

نام آرگومان‌ها شناسه‌ی خود کد است و معادل فارسی ندارد؛ گونه‌ها، کلیدواژه‌ها و نام بسته‌ها با معادل فارسی نوشته می‌شوند.

بسته‌ی آمار به نخستین پرسش‌هایی که از یک فهرست عدد می‌پرسید جواب می‌دهد: چندتا، جمعشان، مقدار نماینده، پراکندگی و دو سر بازه. جای کاربردش گزارش‌گیری، پایش سامانه (صدک‌های زمان پاسخ)، نمره‌دهی و بررسی نتیجه‌ی شبیه‌سازی است. این بسته فقط آمار توصیفی دارد؛ مُد، همبستگی، رگرسیون و نمودار فراوانی در آن نیست. برای ریاضی روی یک عدد بسته‌ی ریاضی، برای برازش مدل یادگیری ماشین و برای ساختن خود عددها تصادفی را ببینید.

همه‌ی تابع‌ها یک وکتور<اعشار۶۴> می‌گیرند و هیچ‌وقت تغییرش نمی‌دهند. عددهای صحیح را هنگام افزودن با برگردان اعشار۶۴ تبدیل کنید. میانه و صدک در هر بار صدا زدن یک رونوشت را مرتب می‌کنند، پس گرفتن p50 و p90 و p99 سه بار مرتب‌سازی است؛ برای چند هزار مقدار مهم نیست ولی برای میلیون‌ها مقدار خوب است بدانید.

واریانس و انحراف معیار دو شکل دارند. واریانس و انحراف معیار داده را نمونه‌ای از گروهی بزرگ‌تر می‌گیرند و بر n−۱ تقسیم می‌کنند؛ واریانس جامعه و انحراف معیار جامعه داده را کل گروه می‌دانند و بر n تقسیم می‌کنند. انتخاب معمول، شکل نمونه است.

اشتباه‌های رایج:

  • اعتماد به نتیجه‌ی فهرست خالی. هیچ خطایی رخ نمی‌دهد: میانگین، میانه، کمینه، بیشینه و صدک صفر برمی‌گردانند که شبیه داده‌ی واقعی است. اول طول() را بررسی کنید.
  • گزارش میانگینِ داده‌ی کج. یک درخواست کُند یا یک مشتری بسیار ثروتمند میانگین را بسیار جابه‌جا می‌کند، ولی میانه و صدک‌ها تکان نمی‌خورند.
  • میانگین گرفتن از نرخ رشد با میانگین. ضریب‌هایی که در هم ضرب می‌شوند میانگین هندسی لازم دارند.

خلاصه‌ی نمره‌های یک کلاس

کار معمول، گزارشی کوتاه از یک فهرست عدد است: چندتا، مقدار وسط، پراکندگی و دو سر بازه. مقدارها را یک بار در وکتور<اعشار۶۴> بگذارید و تابع‌هایی را که لازم دارید صدا بزنید؛ هیچ‌کدام وکتور را تغییر نمی‌دهند. انحراف معیار کمک می‌کند مقدارهای دور از بقیه را هم نشان کنید: در یک گروه کوچک، مقداری که بیش از یک انحراف معیار با میانگین فاصله دارد غیرعادی است.

stats-guide-report.salam
واردسازی آمار
واردسازی تبدیل

تابع ریشه:
    نام‌ها := ["سارا"، "رضا"، "مینا"، "علی"، "ندا"، "امید"، "لیلا"]
    ناپایا نمره‌ها := وکتور {} برگردان وکتور<اعشار۶۴>
    دیرکن نمره‌ها.آزادکن()
    هر ن در [۱۴.۵، ۱۷.۰، ۱۹.۵، ۱۱.۰، ۱۶.۰، ۸.۵، ۱۸.۰]:
        نمره‌ها.بیفزا(ن)
    پایان
    میانگین := آمار.میانگین(نمره‌ها)
    انحراف := آمار.انحراف معیار(نمره‌ها)
    سرچاپ "دانش‌آموزان:"، نمره‌ها.طول()
    سرچاپ "میانگین:"، تبدیل.قالب اعشار با دقت(میانگین، ۲)
    سرچاپ "میانه:"، آمار.میانه(نمره‌ها)
    سرچاپ "انحراف معیار:"، تبدیل.قالب اعشار با دقت(انحراف، ۲)
    سرچاپ "بازه:"، آمار.کمینه(نمره‌ها)، "تا"، آمار.بیشینه(نمره‌ها)
    سرچاپ "۲۵٪ بالای کلاس:"، آمار.صدک(نمره‌ها، ۷۵.۰)، "و بیشتر"
    هر ی، نام در نام‌ها:
        ز := (نمره‌ها.بگیر(ی) - میانگین) / انحراف
        اگر ز بزرگتر ۱.۰:
            سرچاپ نام، "خیلی بالاتر از کلاس است:"، تبدیل.قالب اعشار با دقت(ز، ۲)
        وگرنه ز کوچکتر -۱.۰:
            سرچاپ نام، "به کمک نیاز دارد:"، تبدیل.قالب اعشار با دقت(ز، ۲)
        پایان
    پایان
پایان
خروجیدانش‌آموزان: 7 میانگین: 14.93 میانه: 16 انحراف معیار: 3.93 بازه: 8.5 تا 19.5 ۲۵٪ بالای کلاس: 17.5 و بیشتر مینا خیلی بالاتر از کلاس است: 1.16 امید به کمک نیاز دارد: -1.64

یک کلاس یا یک نظرسنجی معمولاً نمونه است، پس انحراف معیار انتخاب درست است. انحراف معیار جامعه را فقط وقتی به کار ببرید که فهرست همه‌ی اعضای گروهی را که توصیف می‌کنید دارد، مثلاً همه‌ی ماشین‌های یک خوشه.

زمان پاسخ: میانه و صدک‌ها

یک درخواست کُند می‌تواند میانگین را از آن‌چه بیشتر کاربران می‌بینند خیلی دور کند. در این مثال نُه درخواست حدود ۴۰ میلی‌ثانیه و یکی ۱۲۰۰ میلی‌ثانیه طول کشیده؛ میانگین ۱۵۷ را نشان می‌دهد و میانه (صدک ۵۰) ۴۱.۵ را. برای همین پایش سامانه‌ها با صدک انجام می‌شود: p90 زمانی است که ۹۰٪ درخواست‌ها زیر آن می‌مانند و p99 بدترین حالت‌ها را نشان می‌دهد.

stats-guide-latency.salam
واردسازی آمار
واردسازی تبدیل

تابع نمایش(برچسب: رشته، مقدار: اعشار۶۴):
    سرچاپ برچسب، تبدیل.قالب اعشار با دقت(مقدار، ۱)، "میلی‌ثانیه"
پایان

تابع ریشه:
    ناپایا زمان‌ها := وکتور {} برگردان وکتور<اعشار۶۴>
    دیرکن زمان‌ها.آزادکن()
    هر ز در [۴۲.۰، ۳۸.۰، ۴۵.۰، ۴۰.۰، ۳۹.۰، ۴۱.۰، ۴۴.۰، ۳۷.۰، ۴۳.۰، ۱۲۰۰.۰]:
        زمان‌ها.بیفزا(ز)
    پایان
    نمایش("میانگین:"، آمار.میانگین(زمان‌ها))
    نمایش("p50:"، آمار.صدک(زمان‌ها، ۵۰.۰))
    نمایش("p90:"، آمار.صدک(زمان‌ها، ۹۰.۰))
    نمایش("p99:"، آمار.صدک(زمان‌ها، ۹۹.۰))
    نمایش("بیشینه:"، آمار.بیشینه(زمان‌ها))
    سقف := ۱۰۰.۰
    اگر آمار.صدک(زمان‌ها، ۹۰.۰) بزرگتر سقف:
        سرچاپ "هشدار: p90 از سقف"، سقف، "میلی‌ثانیه بیشتر است"
    وگرنه:
        سرچاپ "p90 در محدوده‌ی مجاز است"
    پایان
پایان
خروجیمیانگین: 156.9 میلی‌ثانیه p50: 41.5 میلی‌ثانیه p90: 160.5 میلی‌ثانیه p99: 1096.1 میلی‌ثانیه بیشینه: 1200.0 میلی‌ثانیه هشدار: p90 از سقف 100 میلی‌ثانیه بیشتر است

صدک میان دو مقدار نزدیک درون‌یابی می‌کند، پس با نمونه‌ی کم، صدک‌های بالا جایی میان یک مقدار عادی و مقدار پرت می‌افتند. پیش از اعتماد به p99 چند صد مقدار جمع کنید.

نرخ رشد و میانگین هندسی

وقتی مقدارها در هم ضرب می‌شوند، مثل بازده سالانه یا ضریب رشد، میانگین حسابی نتیجه را بیش از واقع نشان می‌دهد. ۵۰٪ سود و بعد ۴۰٪ زیان، به‌طور میانگین سود نیست. میانگین هندسی همان یک ضریبی را می‌دهد که اگر تکرار شود به همان مقدار پایانی می‌رسد.

stats-guide-growth.salam
واردسازی آمار
واردسازی تبدیل

تابع ریشه:
    ناپایا ضریب‌ها := وکتور {} برگردان وکتور<اعشار۶۴>
    دیرکن ضریب‌ها.آزادکن()
    هر ض در [۱.۵۰، ۰.۶۰، ۱.۲۰، ۱.۱۰]:
        ضریب‌ها.بیفزا(ض)
    پایان
    ناپایا ارزش := ۱۰۰۰.۰
    هر ض در ضریب‌ها:
        ارزش *= ض
    پایان
    سرچاپ "پس از چهار سال:"، تبدیل.قالب اعشار با دقت(ارزش، ۲)
    حسابی := آمار.میانگین(ضریب‌ها)
    هندسی := آمار.میانگین هندسی(ضریب‌ها)
    سرچاپ "ضریب میانگین حسابی:"، تبدیل.قالب اعشار با دقت(حسابی، ۴)
    سرچاپ "ضریب میانگین هندسی:"، تبدیل.قالب اعشار با دقت(هندسی، ۴)
    ناپایا الف := ۱۰۰۰.۰
    ناپایا ه := ۱۰۰۰.۰
    تکرار ۴:
        الف *= حسابی
        ه *= هندسی
    پایان
    سرچاپ "بازسازی با میانگین حسابی:"، تبدیل.قالب اعشار با دقت(الف، ۲)
    سرچاپ "بازسازی با میانگین هندسی:"، تبدیل.قالب اعشار با دقت(ه، ۲)
پایان
خروجیپس از چهار سال: 1188.00 ضریب میانگین حسابی: 1.1000 ضریب میانگین هندسی: 1.0440 بازسازی با میانگین حسابی: 1464.10 بازسازی با میانگین هندسی: 1188.00

خواندن عدد از متن

داده معمولاً به شکل متن می‌رسد، با خانه‌های خالی، برچسب‌هایی مثل n/a و گاهی رقم فارسی. هر خانه را با نوع‌ها.عددی است از بسته‌ی نوع‌ها بسنجید، رقم‌های فارسی را با رشته.به رقم انگلیسی به انگلیسی برگردانید و با تبدیل.تجزیه اعشار بخوانید. تعداد خانه‌های کنارگذاشته را هم بشمارید تا گزارشِ داده‌ی خراب شبیه گزارشِ داده‌ی سالم به نظر نرسد.

stats-guide-parse.salam
واردسازی آمار
واردسازی رشته
واردسازی تبدیل
واردسازی نوع‌ها

تابع ریشه خطادار:
    خط := "12.5, 15, ۱۸, n/a, 20, , 9.75"
    ناپایا مقدارها := وکتور {} برگردان وکتور<اعشار۶۴>
    دیرکن مقدارها.آزادکن()
    ناپایا ردشده := ۰
    هر خانه در رشته.تفکیک کردن(خط، ","):
        م := رشته.پیرایش(خانه)
        اگر نوع‌ها.عددی است(م):
            مقدارها.بیفزا(تلاش تبدیل.تجزیه اعشار(رشته.به رقم انگلیسی(م)))
        وگرنه:
            ردشده++
        پایان
    پایان
    سرچاپ مقدارها.طول()، "عدد خوانده شد و"، ردشده، "خانه کنار گذاشته شد"
    سرچاپ "مجموع:"، آمار.مجموع(مقدارها)
    سرچاپ "میانگین:"، آمار.میانگین(مقدارها)
    سرچاپ "میانه:"، آمار.میانه(مقدارها)
پایان
خروجی5 عدد خوانده شد و 2 خانه کنار گذاشته شد مجموع: 75.25 میانگین: 15.05 میانه: 15

فهرست خالی یا خیلی کوچک

این تابع‌ها روی ورودی ناجور شکست نمی‌خورند؛ عددی برمی‌گردانند و همان عدد می‌تواند گمراه کند. وکتور خالی برای میانگین، میانه و بیشینه ۰ می‌دهد. یک مقدار تنها واریانس ۰ دارد. یک صفر یا یک عدد منفی میانگین هندسی را ۰ می‌کند و صدکِ بیرون از ۰ تا ۱۰۰ به نزدیک‌ترین سر بازه برده می‌شود. پیش از هر گزارشی طول() را بررسی کنید.

stats-guide-edge.salam
واردسازی آمار

تابع ریشه:
    خالی := وکتور {} برگردان وکتور<اعشار۶۴>
    سرچاپ "خالی:"، آمار.میانگین(خالی)، آمار.میانه(خالی)، آمار.بیشینه(خالی)
    ناپایا یکی := وکتور {} برگردان وکتور<اعشار۶۴>
    دیرکن یکی.آزادکن()
    یکی.بیفزا(۷.۰)
    سرچاپ "یک مقدار:"، آمار.واریانس(یکی)، آمار.واریانس جامعه(یکی)
    ناپایا نرخ‌ها := وکتور {} برگردان وکتور<اعشار۶۴>
    دیرکن نرخ‌ها.آزادکن()
    هر ن در [۱.۲، ۰.۰، ۱.۵]:
        نرخ‌ها.بیفزا(ن)
    پایان
    سرچاپ "میانگین هندسی با یک صفر:"، آمار.میانگین هندسی(نرخ‌ها)
    سرچاپ "صدک ۱۵۰ محدود می‌شود:"، آمار.صدک(نرخ‌ها، ۱۵۰.۰)
    اگر خالی.طول() برابر ۰:
        سرچاپ "داده‌ای نیست، گزارشی هم نیست"
    پایان
پایان
خروجیخالی: 0 0 0 یک مقدار: 0 0 میانگین هندسی با یک صفر: 0 صدک ۱۵۰ محدود می‌شود: 1.5 داده‌ای نیست، گزارشی هم نیست
پرسشتابع
یک مقدار نمایندهمیانه، یا میانگین وقتی مقدار پرت نیست
پراکندگی مقدارهاانحراف معیار (نمونه) یا انحراف معیار جامعه (کل جامعه)
آن‌چه بیشتر درخواست‌ها یا کاربران می‌بینندصدک با ۵۰، ۹۰ یا ۹۹
رشد میانگین در هر دورهمیانگین هندسی
جمع و دو سر بازهمجموع، کمینه، بیشینه

تابع‌ها

مجموع Sum

تابع مجموع(v: وکتور<اعشار۶۴>): اعشار۶۴
جمع همه‌ی عددها؛ برای وکتور خالی ۰.
stats-Mean.salam
واردسازی آمار

تابع ریشه:
    ناپایا نمره‌ها := وکتور {} برگردان وکتور<اعشار۶۴>
    دیرکن نمره‌ها.آزادکن()
    هر ن در [۱۲.۰، ۱۸.۰، ۱۵.۰، ۱۹.۰، ۱۱.۰]:
        نمره‌ها.بیفزا(ن)
    پایان
    سرچاپ آمار.مجموع(نمره‌ها)، آمار.میانگین(نمره‌ها)، آمار.میانه(نمره‌ها)
    سرچاپ آمار.کمینه(نمره‌ها)، آمار.بیشینه(نمره‌ها)
    سرچاپ آمار.واریانس(نمره‌ها)، آمار.واریانس جامعه(نمره‌ها)
    سرچاپ آمار.انحراف معیار(نمره‌ها)، آمار.انحراف معیار جامعه(نمره‌ها)
    سرچاپ آمار.میانگین هندسی(نمره‌ها)، آمار.صدک(نمره‌ها، ۹۰.۰)
پایان
خروجی75 15 15 11 19 12.5 10 3.5355339059327378 3.1622776601683795 14.660144778355681 18.6

میانگین Mean

تابع میانگین(v: وکتور<اعشار۶۴>): اعشار۶۴
میانگین حسابی؛ برای وکتور خالی ۰.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

کمینه Min

تابع کمینه(v: وکتور<اعشار۶۴>): اعشار۶۴
کوچک‌ترین عدد؛ برای وکتور خالی ۰، که از یک صفر واقعی قابل تشخیص نیست.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

بیشینه Max

تابع بیشینه(v: وکتور<اعشار۶۴>): اعشار۶۴
بزرگ‌ترین عدد؛ برای وکتور خالی ۰.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

میانه Median

تابع میانه(v: وکتور<اعشار۶۴>): اعشار۶۴
عدد وسط پس از مرتب کردن؛ اگر تعداد زوج باشد، میانگین دو عدد وسط؛ برای وکتور خالی ۰. در برابر داده‌های پرت از میانگین مقاوم‌تر است. در هر بار صدا زدن یک رونوشت را مرتب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

واریانس Variance

تابع واریانس(v: وکتور<اعشار۶۴>): اعشار۶۴
واریانس نمونه (تقسیم بر n−۱، پس از یک دور جداگانه برای میانگین). کمتر از دو مقدار ۰ می‌دهد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

واریانس جامعه PopVariance

تابع واریانس جامعه(v: وکتور<اعشار۶۴>): اعشار۶۴
واریانس جامعه (تقسیم بر n)؛ برای وکتور خالی ۰.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

انحراف معیار Stdev

تابع انحراف معیار(v: وکتور<اعشار۶۴>): اعشار۶۴
انحراف معیار نمونه؛ جذر واریانس. کمتر از دو مقدار ۰ می‌دهد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

انحراف معیار جامعه PopStdev

تابع انحراف معیار جامعه(v: وکتور<اعشار۶۴>): اعشار۶۴
انحراف معیار جامعه؛ جذر واریانس جامعه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

میانگین هندسی Geomean

تابع میانگین هندسی(v: وکتور<اعشار۶۴>): اعشار۶۴
میانگین هندسی، یعنی ریشه‌ی nام حاصل‌ضرب، که از راه لگاریتم حساب می‌شود تا سرریز نکند. برای ضریب رشد و نسبت‌ها مناسب است. همه‌ی عددها باید مثبت باشند: یک صفر یا عدد منفی نتیجه را ۰ می‌کند، وکتور خالی هم همین‌طور.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam

صدک Percentile

تابع صدک(v: وکتور<اعشار۶۴>، p: اعشار۶۴): اعشار۶۴
صدک pام، با p از ۰ تا ۱۰۰، با درون‌یابی خطی میان دو مقدار مرتب نزدیک (همان روش PERCENTILE.INC در اکسل و پیش‌فرض NumPy). p بیرون از این بازه به نزدیک‌ترین سر برده می‌شود؛ ۰ کمینه و ۱۰۰ بیشینه را می‌دهد. در هر بار صدا زدن یک رونوشت را مرتب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: stats-Mean.salam