Typy pytań w analizie danych

W kolejności z rosnącą trudnością:

• Opisowe (descriptive)
• Rozpoznawcze (exploratory)
• Wnioskujące (inferential)
• Prognozujące (predictive)
• Przyczynowe (causal)
• Mechanistyczne (mechanistic)

Cel: Opisanie zbioru danych

• Pierwsza analiza danych, którą się wykonuje na zbiorze danych
• Powszechnie używana przy spisie ludności
• Opis i interpretacja są osobnymi krokami analizy
• Opis z reguły nie może być uogólniony bez dodatkowego modelowania statystycznego

Cel: Znalezienie nieznancyh zależności.

• Modele rozpoznawcze są dobrym narzędziem na znajdowanie połączeń
• Są dobre do definiowania przyszłych badań
• Badania rozpoznawcze przeważnie nie są końcowym badaniem
• Badania rozpoznawcze nie powinny być używane do uogólnień ani prognoz
• Korelacja nie pociąga za sobą przyczynowości

Dla dwóch skorelowanych zjawisk A i B możliwe są poniższe relacje:

• A powoduje B (bezpośrednia przyczynowość)
• B powoduje A (odwrotna przyczynowość)
• A oraz B są skutkiem współnej przyczyny, ale wzajemnie się nie powodują
• A powoduje B oraz B powoduje A (cykliczna przyczynowść)
• A powoduje C oraz C pwooduje B (pośrednia przyczynowość)
• A i B nie są ze sobą związane, a korelacja jest dziełem przypadku

Źródło: wikipedia

Cel: Przy użyciu stosunkowo małej ilości danych powiedzenie czegoś na temat większej populacji.

• Wnioskowanie jest powrzechnym celem analizy danych
• Wnioskowanie składa się z wyznaczenia interesujących wartości oraz niepwności na temat estymacji
• Wnioskowanie mocno zależy od populacji oraz od procedury doboru próby (losowania)

Najczęstszą metodą używaną we wnioskowaniu jest testowanie hipotez

• Efekt zanieczyszczenia powietrza na oczekiwana długość życia
• Efekt wydarzeń na giełdzie amerykańskiej na notowania polskich spółek
• Związek między pojemnością silnika, a spalaniem samochodu

Cel: Użycie danych dla pewnych obiektów aby przewidzieć wartość innego obiektu

• Jeżeli X przewiduje Y, to niekoniecznie X powoduje Y
• Dokładność prognozy mocno zależy od wyboru zmiennych w modelu
• Jest wiele bardzo zaawansowanych modeli predykcyjnych, aczkolwiek więcej danych i proste modele przeważnie spisują się dobrze
• Prognoza nie zawsze odnosi się do przyszłości (prediction, forecasting)

Dobrze zaprojektowany algorytm potrafi wykorzystać wiele zmiennych do prognozy,

• Prognoza ilości kliknięć w reklamę na stronie internetowej
• Prognoza prawdopodobieństwa zakupu produktu
• prognoza jutrzejszej ceny akcji

Cel: Zbadanie co się stanie z interesującą zmienną jeżeli zmieniona zostanie wartość innej zmiennej.

• Przeważnie potrzebna jest randomizacja
• Podejścia, które badają przyczynowość w niezrandomizowanych próbach są skomplikowane i bardzo wrażliwe na założenia
• Zależność przyczynowa jest przeważnie rozumiana jako uśredniony efekt i nie musi być prawdziwa dla wszystkich jednostek
• Zależbności przyczynowe są przeważnie najwyższym standardem

Większość standardowych badań przyczynowości jest z dziedziny medycyny

• Działanie leków
• Wpływ diety na zdrowie
• Wpływ wydarzeń w USA na WIG

Cel: Zrozumienie dokładnych zmian jakie powoduje zmiana wielkości jednej zmiennej w wielkości innej zmiennej dla konkretnego obiektu.

• Poza prostymi przykładami, niewiarygodnie trudne do osiągnięcia
• Przeważnie opisane deterministycznymi róWnaniami (fizyka/nauki inżynierskie)
• Ogólnie, losowy składnik danych jest błędem pomiaru
• Jeżeli róWnania są znane, ale parametry nie, mogą być wyznaczone dzięki analizie danych