Гистограмма - это столбчатая диаграмма, которая показывает частоту повторяемости значений. Это отправная точка для проведения анализа набора данных.

→ Описание графика гистограммы на Википедии
→ Процесс создания гистограммы в Microsoft Excel на сайте Microsoft

Случайной величиной называется величина, которая в результате опыта может принять то или иное значение, причем неизвестно заранее, какое именно.

→ Описание и примеры случайных величин

Распределение вероятностей - это закон, описывающий значения случайной величины и вероятности их появления. Распределение вероятностей описывает то, каким, по нашему мнению, может оказаться каждый из результатов случайного события. Форм может быть много, но размер всегда один: вероятности всегда сводятся к 1.

→ Краткое разъяснение основных типов распределений с гистограммами
→ Подробное описание разных типов распределений для интересующихся

СРЕДНЕЕ, МЕДИАНА, СРЕДНЕКВАДРАТИЧНОЕ ОТКЛОНЕНИЕ

• Среднее значение вычисляется как сумма всех значений из распределения, разделенная на число этих значений.
  
• Медиана распределения - это значение, которое при сортировке распределения отображается в середине списка. Если количество значений является четным, медиана вычисляется как среднее двух значений, расположенных в середине списка.
  
• Среднеквадратичное отклонение - это показатель рассеивания значений случайной величины относительно её математического ожидания (среднего арифметического). Иными словами, насколько рассеянным является распределение вероятностей вокруг своего центра.
  
  

→ Среднее арифметическое
→ Медиана в статистике
→ Среднеквадратичное отклонение

Каждая случайная величина полностью определяется своей функцией распределения.
В то же время при решении практических задач достаточно знать несколько числовых параметров, которые позволяют представить основные особенности случайной величины в сжатой форме. К таким величинам относятся в первую очередь математическое ожидание и дисперсия.

Математическое ожидание - число, вокруг которого сосредоточены значения случайной величины.
Дисперсия выборки - показатель того, насколько рассеянным является распределение вероятностей вокруг своего центра. Дисперсия характеризует меру разброса случайной величины около ее математического ожидания.

→ Подробно про математическое ожидание и дисперсию

Процентиль - одна из числовых характеристик распределения вероятностей.
N-й процентиль - это такое значение, ниже которого расположено N процентов наблюдений какой-либо переменной.
Следовательно, 30-й процентиль (или 3-й дециль) - это значение, ниже которого расположено 30% результатов наблюдений; 50-й процентиль называется медианой, а 25-й и 75-й процентили - нижним и верхним квартилями соответственно.

→ Описание процентилей и квартилей

Корреляция или корреляционная зависимость - статистическая взаимосвязь двух или более случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.

→ Подробнее про корреляцию на Википедии

Р-значение (или p-value) это величина, используемая при тестировании статистических гипотез. P-значения используются для определения того, подпадают ли результаты эксперимента в диапазон значений, нормальный для наблюдаемой величины. Обычно если P-значение для набора данных меньше, чем заранее определенное число (например 0,05), то придется отклонить "нулевую гипотезу" эксперимента. Другими словами, переменные в эксперименте не оказывают достаточного эффекта на результаты.

→ Как посчитать р-значение

Доверительные интервалы используются, чтобы указать, насколько надежно приблизительное значение. Иными словами, он является показателем точности измерений. Это также показатель того, насколько стабильна полученная величина, то есть насколько близкую величину (к первоначальной величине) вы получите при повторении измерений (эксперимента).

→ Подробнее про расчет и применение доверительных интервалов

Дополнительные ссылки по теме МАТЕМАТИКА И СТАТИСТИКА

• → Начальный и бесплатный онлайн курс по основам статистики
  
• → Что такое вариация, размах, межквартильный размах, среднее линейное отклонение
  
• → Влияние выбросов и аномальных значений на показатели выборки

Реляционная алгебра - набор операций над данными, а точнее над отношениями данных. Первоначальный набор из 8 операций был предложен Эдгаром Коддом в 1970-е годы - именно они стали основной логики работы баз данных.

→ Основы реляционный алгебры на Хабрахабре
→ Реляционная алгебра на Wikipedia

Реляционная база данных представляет собой множество связанных между собой таблиц, каждая из которых содержит информацию об объектах. Каждая строка таблицы описывает один объект, а столбцы - характеристики объекта.

→ Описание реляционных БД в Научной библиотеке

Операции соединения таблицы БД с другими таблицами используются для того, чтобы получить из них недостающие данные. Есть несколько основных типов связей, каждый из которых в результате возвращает разные "сочетания" данных.

→ Объяснение типов связей SQL
→ Описание типов связей на Хабрахабре

OLAP (On-Line Analytical Processing) является ключевым компонентом построения и применения хранилищ данных. Эта технология основана на построении многомерных наборов данных - OLAP-кубов, оси которого содержат параметры, а ячейки - зависящие от них агрегатные данные.

Приложения с OLAP-функциональностью должны предоставлять пользователю результаты анализа за приемлемое время, осуществлять логический и статистический анализ, поддерживать многопользовательский доступ к данным и осуществлять многомерное представление данных.

→ Введение в OLAP и многомерные базы данных на сайте olap.ru

Извлечение, преобразование и загрузка данных, известные среди специалистов по базам данных под аббревиатурой ETL – это основные этапы переноса информации из одного приложения в другое.

→ Подробное описание работы с ETL на сайте olap.ru

SQL - язык программирования, применяемый для создания, модификации и управления данными в реляционной базе данных. Наиболее распространенная форма взаимодействия с реляционными БД.

NoSQL - термин, обозначающий ряд подходов, направленных на реализацию БД, в корне отличающихся от реляционных БД. В таких базах не используется язык SQL, и их внутренние структуры не регламентированы. В NoSQL базах используются агрегаты данных. Это позволяет повысить скорость запроса и чтения информации. NoSQL системы чаще используются для обработки Больших данных.

→ Учебник по SQL на sql-tutorial.ru
→ Преимущества и недостатки NoSQL

Регулярные выражения - мощный способ поиска символов и замены для строк. Имеют широкий спектр применения. У регулярных выражений довольно большой и сложной для новичка синтаксис, поэтому начните с малого. А еще проверяйте себя в онлайн-инструментах чек-апа регулярок.

→ Учебник по регулярным выражениям на Викиучебнике

Понятие типов данных - неотъемлемая часть работы с данными, которая позволяет работать и выполнять операции над имеющиеся информацией унифицировано. Благодаря единым правилам обработки типов данных, программы знают как стоит обращаться с текстом, как с числами, а как с датами - и в зависимости от типа данных использовать те или иные функции.

→ Описание типов данных на Википедии

Формат данных определяет структуру и форму файла, в которой хранятся данные. Формат данных может быть нацелен на человека (.xlsx), а может - на компьютер и машинную обработку (.json). Важно понимать какой формат данных соответствует вашим целям.

Визуализация данных - это тот мостик, что соединяет специалистов по data science с менеджерами, которые далеки от технической части анализа данных. Это основной и самый эффективный способ донести до аудитории свои наблюдения, гипотезы, выводы. Лучше один раз увидеть.

Инструменты визуальной аналитики (BI) позволяют даже новичку создать простую и понятную диаграмму на основе своих данных на несколько минут. Tableau, Power BI, QlikSense - используйте подобные инструменты для подготовки своих данных к презентации.

Для любителей программирования доступно множество библиотек, позволяющих работать с данными, кодом и диаграммами. Библиотеки для визуализации данных открывают дорогу нестандартным и сложным по структуре визуализациям данных, которых невозможно добиться средствами Excel и BI-продуктов.

Изучите советы от гуру презентаций, посмотрите вебинары и how-to по составлению отличных и минималистичных слайдов, вдохновитесь такими знаковыми фигурами сторителлинга как Ханс Рослинг, научитесь владеть инструментами Powerpoint и Keynote.

Базовых типов диаграмм немного, но их нужно знать для того, чтобы ориентироваться в пространстве визуализации. Иначе, вас не поймет ваша аудитория.

Цветовое кодированое - это те палитры и оттенки цвета, которые вы используете в своих диаграммах и в презентациях данных в целом. Бездумный выбор цвета может свести на нет все ваши усилия по контакту со зрителем.

Шрифт - это то, каким языком "заговорят" ваши выводы и аннотации. Надо уметь различать основные семейства шрифтов и те обстоятельства, в которых их надо использовать.

Дашборд - составной экран из нескольких диаграмм с заголовками, подписями и всей необходимой для работы с информацией. Цель дашборда - рассказать данные за несколько секунд. Один взгляд. Готовый вывод.