# فصل ۰۳ — میانگین چه چیزی را پنهان می‌کند

<div dir="rtl">

# فصل ۰۳ — میانگین چه چیزی را پنهان می‌کند

## در این فصل چه یاد می‌گیری

دو قفسه، هرکدام پنج کتاب. میانگینِ امانتشان **دقیقاً برابر** است: هر دو ۸۰. میانه‌شان هم دقیقاً برابر است: هر دو ۸۰. و وقتی به خودِ ده سطر نگاه کنی، هیچ شباهتی به هم ندارند — در یکی همهٔ کتاب‌ها بینِ ۷۴ و ۸۶ امانت رفته‌اند، در دیگری دو کتاب تقریباً هیچ‌وقت بیرون نرفته‌اند و دو کتاب بیش از ۱۵۰ بار.

بعد همین را روی جدولِ واقعی می‌بریم و به عددی می‌رسیم که در نگاهِ اول باورنکردنی است: **میانگینِ میانگین‌های همین جدول ۴۸٫۹۷ درمی‌آید، در حالی که میانگینِ واقعیِ همان ستون ۷۸٫۴۹ است.** هیچ‌کدام هم اشتباه محاسبه نشده‌اند.

![دو الاکلنگ یکسان که هر دو در یک نقطه متعادل‌اند ولی وزنه‌های یکی نزدیک تکیه‌گاه و وزنه‌های دیگری در دو سرِ دور چیده شده‌اند](/lesson-assets/t2-s03-average-lies/prompt/01-image-two-balanced-beams.png)

آخر این فصل می‌توانی:

- نشان بدهی دو مجموعهٔ کاملاً متفاوت می‌توانند میانگین و میانهٔ یکسان داشته باشند
- دامنه و پراکندگی را کنارِ هر میانگینی گزارش کنی
- میانه را در `SQL` بگیری، بدونِ اینکه تابعی برایش وجود داشته باشد
- بگویی چرا میانگینِ میانگین‌ها معمولاً غلط است و با میانگینِ وزنی درستش کنی
- اثرِ یک مقدارِ پرت را روی میانگین و میانه با عدد نشان بدهی

## قبل از شروع

**از فصلِ ۲:** `GROUP BY` و `HAVING`، ترتیبِ منطقیِ اجرا، و اینکه یک سطرِ خروجی بعد از گروه‌بندی دیگر «یک کتاب» نیست.

**از ترمِ ۱:** تقسیمِ صحیح — `7/2` در `SQL` می‌شود ۳. در این فصل دو بار به کارمان می‌آید.

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/avand/term-2-aggregation/session-03-average-lies.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

</div>

| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
| `books` | ۱٬۲۰۰ | کمتر از یک ثانیه |
| `branches` | ۶ | آنی |
| `shelves` (همین فصل می‌سازدش) | ۱۰ | آنی |

<div dir="rtl">

## ۱. ده سطری که با انگشت می‌شود شمرد

قبل از هر ادعایی روی ۱٬۲۰۰ سطر، همان پدیده را روی جدولی می‌سازیم که کلش جلوی چشمت جا می‌شود.

</div>

```python
con.execute("DROP TABLE IF EXISTS shelves")
con.execute("""
    CREATE TABLE shelves (
        shelf    TEXT    NOT NULL,
        title    TEXT    NOT NULL,
        borrowed INTEGER NOT NULL
    )
""")
con.executemany("INSERT INTO shelves VALUES (?, ?, ?)", [
    ("چپ", "کتاب ۱", 74), ("چپ", "کتاب ۲", 77), ("چپ", "کتاب ۳", 80),
    ("چپ", "کتاب ۴", 83), ("چپ", "کتاب ۵", 86),
    ("راست", "کتاب ۶", 2), ("راست", "کتاب ۷", 5), ("راست", "کتاب ۸", 80),
    ("راست", "کتاب ۹", 153), ("راست", "کتاب ۱۰", 160),
])
con.commit()

print(q("SELECT shelf, title, borrowed FROM shelves ORDER BY shelf DESC, borrowed"))
```

```text
  shelf    title  borrowed
0    چپ   کتاب ۱        74
1    چپ   کتاب ۲        77
2    چپ   کتاب ۳        80
3    چپ   کتاب ۴        83
4    چپ   کتاب ۵        86
5  راست   کتاب ۶         2
6  راست   کتاب ۷         5
7  راست   کتاب ۸        80
8  راست   کتاب ۹       153
9  راست  کتاب ۱۰       160
```

<div dir="rtl">

ده سطر، همه‌شان دیده می‌شوند. حالا خلاصه‌شان کنیم:

</div>

```python
print(q("""
    SELECT shelf,
           COUNT(*)      AS books,
           SUM(borrowed) AS loans,
           AVG(borrowed) AS mean
    FROM shelves
    GROUP BY shelf
"""))
```

```text
  shelf  books  loans  mean
0  راست      5    400  80.0
1    چپ      5    400  80.0
```

<div dir="rtl">

**یک جدولِ دوسطریِ کاملاً بی‌آزار: دو قفسه، هر دو پنج کتاب، هر دو ۴۰۰ امانت، هر دو میانگینِ ۸۰.**

اگر گزارشت همین دو سطر باشد، خواننده‌ات نتیجه می‌گیرد که این دو قفسه مثلِ هم‌اند. و همین حالا خودت ده سطرِ بالا را دیده‌ای و می‌دانی که نیستند.

«خب، میانه را هم اضافه کن.» می‌کنیم — و کمکی نمی‌کند:

</div>

```python
for name in ("چپ", "راست"):
    middle = int(q("""
        SELECT borrowed FROM shelves WHERE shelf = ?
        ORDER BY borrowed LIMIT 1 OFFSET 2
    """, (name,)).iloc[0, 0])
    print(f"قفسهٔ {name:<5} → میانه: {middle}")
```

```text
قفسهٔ چپ    → میانه: 80
قفسهٔ راست  → میانه: 80
```

<div dir="rtl">

**میانگین برابر، میانه هم برابر، و داده هیچ شباهتی ندارد.** این تمامِ ادعای این فصل است، و ثابت شد — نه با استدلال، با ده سطر که خودت شمردی.

## ۲. چیزی که میانگین نگفت: بشمار

راهِ دیدنِ تفاوت این است که مقدارها را **دسته‌بندی کنی و هر دسته را بشماری**. تقسیمِ صحیحِ ترمِ ۱ دقیقاً همین کار را می‌کند: `borrowed / 50` اعشار را دور می‌ریزد، پس هر عددِ بینِ ۰ و ۴۹ می‌شود صفر، بینِ ۵۰ و ۹۹ می‌شود یک، و همین‌طور. ضربش در ۵۰ فقط برچسبِ خواناتری می‌سازد.

</div>

```python
print(q("""
    SELECT shelf,
           (borrowed / 50) * 50 AS bucket,
           COUNT(*)             AS n
    FROM shelves
    GROUP BY shelf, bucket
    ORDER BY shelf DESC, bucket
"""))
```

```text
  shelf  bucket  n
0    چپ      50  5
1  راست       0  2
2  راست      50  1
3  راست     150  2
```

<div dir="rtl">

**حالا تفاوت را می‌بینی.** قفسهٔ چپ یک سطر دارد: هر پنج کتابش در یک دسته‌اند. قفسهٔ راست سه سطر دارد و کتاب‌هایش در دو سرِ دور نشسته‌اند و وسط تقریباً خالی است.

**همان دو عددِ خلاصه، و سه سطر به‌جای یک سطر.** این ارزان‌ترین کاری است که می‌شود قبل از باور کردنِ یک میانگین انجام داد، و فصلِ ۵ همین نگاه را به یک ابزارِ کامل تبدیل می‌کند.

## ۳. دو عددی که همیشه باید کنارِ میانگین بروند

اولی **دامنه** است: بیشینه منهای کمینه. رایگان است، چون `MIN` و `MAX` را از فصلِ ۱ داری.

دومی **پراکندگی** است: به‌طورِ متوسط هر سطر چقدر از میانگین دور است. `SQLite` تابعِ آماده‌ای برایش ندارد، ولی یک راهِ یک‌مرحله‌ای هست که فقط از `AVG` استفاده می‌کند: **میانگینِ مربع‌ها منهای مربعِ میانگین.** جوابش «واریانس» است و ریشهٔ دومش همان پراکندگی.

</div>

```python
import math

spread = q("""
    SELECT shelf,
           MIN(borrowed)                                     AS lo,
           MAX(borrowed)                                     AS hi,
           MAX(borrowed) - MIN(borrowed)                      AS span,
           AVG(borrowed * borrowed) - AVG(borrowed) * AVG(borrowed) AS variance
    FROM shelves
    GROUP BY shelf
""")
spread["spread"] = spread["variance"].apply(lambda v: round(math.sqrt(v), 2))
print(spread[["shelf", "lo", "hi", "span", "spread"]])
```

```text
  shelf  lo   hi  span  spread
0  راست   2  160   158   68.47
1    چپ  74   86    12    4.24
```

<div dir="rtl">

**دامنه ۱۲ در برابرِ ۱۵۸، و پراکندگی ۴٫۲۴ در برابرِ ۶۸٫۴۷.** حالا دو قفسه با یک نگاه از هم جدا می‌شوند، و هر دو عدد از همان پرسشی درآمدند که میانگین را داد.

آن «میانگینِ مربع‌ها منهای مربعِ میانگین» عجیب به نظر می‌رسد، چون **راهِ طبیعیِ فکر کردن به پراکندگی این نیست.** راهِ طبیعی دو مرحله دارد: اول میانگین را حساب کن، بعد برگرد و ببین هر سطر چقدر از آن میانگین فاصله دارد. **همان کار است و همان جواب؛ فقط راهِ بالا یک بار از داده رد می‌شود و راهِ طبیعی دو بار** — و چون `AVG` بدونِ اینکه اول میانگین را بداند نمی‌تواند فاصله‌ها را حساب کند، در یک پرسشِ سادهٔ بدونِ زیرپرسش فقط راهِ یک‌مرحله‌ای جواب می‌دهد.

**و ادعای «همان جواب» را باور نمی‌کنیم؛ می‌شماریمش.** همان قانونِ دوم دوره، این بار روی خودِ فرمول:

</div>

```python
for name in ("چپ", "راست"):
    values = [int(v) for v in q(
        "SELECT borrowed FROM shelves WHERE shelf = ? ORDER BY borrowed", (name,)
    )["borrowed"]]
    mean = sum(values) / len(values)
    variance = sum((value - mean) ** 2 for value in values) / len(values)
    print("قفسهٔ %-5s میانگین %5.1f | واریانس %8.2f | پراکندگی %5.2f" %
          (name, mean, variance, variance ** 0.5))
```

```text
قفسهٔ چپ    میانگین  80.0 | واریانس    18.00 | پراکندگی  4.24
قفسهٔ راست  میانگین  80.0 | واریانس  4687.60 | پراکندگی 68.47
```

<div dir="rtl">

**۴٫۲۴ و ۶۸٫۴۷ — عیناً همان دو عددی که پرسشِ `SQL` داد.** یک محاسبه که میانگین را می‌گیرد و بعد فاصله‌ها را مربع می‌کند، و یک محاسبه که هیچ فاصله‌ای حساب نمی‌کند — و به یک عدد می‌رسند.

> 🌱 **ریشه‌اش کجاست:** میانگین یک عددِ وسط است و به‌تنهایی چیزی دربارهٔ **پهنای** داده نمی‌گوید؛ دو مجموعه با میانگینِ یکسان می‌توانند یکی فشرده باشند و یکی پخش. [ریشه ترمِ ۶ فصل ۶](/courses/risheh/lessons/term-6-probability-statistics/session-06-center-spread) با یک مثالِ حقوقِ ده‌نفره از اول بازش می‌کند، و **پراکندگی را دقیقاً به همان راهِ دومرحله‌ای تعریف می‌کند که در کدِ بالا نوشتیم**: فاصله از میانگین، مربع، میانگین، ریشه. اگر آنجا فرمولی دیدی که با پرسشِ `SQL` این فصل یکی نیست، همان دو عددِ بالا جوابت را داده‌اند.

حالا همان نگاه روی جدولِ واقعی — و نتیجه‌اش یک هشدارِ صادقانه است:

</div>

```python
real = q("""
    SELECT branch,
           COUNT(*)      AS n,
           ROUND(AVG(borrowed), 2) AS mean,
           MIN(borrowed) AS lo,
           MAX(borrowed) AS hi
    FROM books
    GROUP BY branch
    ORDER BY mean DESC
""")
print(real)
```

```text
  branch    n   mean  lo   hi
0   نسیم  224  81.98   0  190
1   بهار  214  81.77   0  190
2   کوشا  200  77.71   0  190
3   پویا  195  77.55   0  190
4  مرکزی  180  76.54   0  188
5   دانش  187  74.26   0  185
```

<div dir="rtl">

**دامنه اینجا تقریباً هیچ‌چیز نمی‌گوید، چون در هر شش شعبه هم کتابی هست که هرگز امانت نرفته و هم کتابی که نزدیکِ ۱۹۰ بار رفته.**

این یک نتیجهٔ منفی است و باید همان‌قدر صریح نوشته شود که یک نتیجهٔ مثبت: **دامنه فقط به دو سطرِ لبه نگاه می‌کند، و دو سطرِ لبه در دادهٔ بزرگ تقریباً همیشه لبه‌اند.** ابزارِ درست برای دادهٔ بزرگ همان شمارشِ دسته‌ای بخشِ ۲ است.

## ۴. میانه، وقتی تابعی برایش وجود ندارد

> 🔧 **اگر کار نکرد:** اولین کاری که هر کسی می‌کند این است که تابعِ آشنا را صدا بزند:

</div>

```python
try:
    q("SELECT MEDIAN(borrowed) FROM books")
except Exception as error:
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
```

```text
pandas.errors.DatabaseError
Execution failed on sql 'SELECT MEDIAN(borrowed) FROM books': no such function: MEDIAN
```

<div dir="rtl">

`SQLite` تابعِ `MEDIAN` ندارد. **راهِ‌حل همان ابزارِ ترمِ ۱ فصلِ ۴ است: مرتب کن و سطرِ وسط را بردار.** برای ۱٬۲۰۰ سطر، «وسط» بینِ سطرِ ۶۰۰ و ۶۰۱ است — یعنی `OFFSET 599` و `OFFSET 600`.

</div>

```python
two = q("SELECT borrowed FROM books ORDER BY borrowed LIMIT 2 OFFSET 599")
median = (int(two["borrowed"][0]) + int(two["borrowed"][1])) / 2
mean = float(q("SELECT AVG(borrowed) FROM books").iloc[0, 0])

print("دو سطر وسط:", list(two["borrowed"]))
print("میانه :", median)
print("میانگین:", mean)
print("فاصله  :", round(mean - median, 4))
```

```text
دو سطر وسط: [76, 77]
میانه : 76.5
میانگین: 78.4925
فاصله  : 1.9925
```

<div dir="rtl">

میانگین کمی بالاتر از میانه است، و این چیزِ تازه‌ای است که روی ده سطرِ بخشِ ۱ ندیدیم، چون آنجا میانگین و میانه برابر بودند: **وقتی میانگین از میانه بالاتر می‌افتد، معمولاً یعنی دُمِ داده به‌سمتِ بالا کشیده شده.** فصلِ ۵ شکلِ این ستون را کامل نشان می‌دهد.

> ✅ **چک کن:** عددِ `OFFSET` را خودت حساب کن، حفظش نکن. برای `n` سطرِ زوج، دو سطرِ وسط `OFFSET n/2 - 1` و `OFFSET n/2` هستند؛ برای `n` فرد، یک سطر با `OFFSET (n-1)/2`. **و حتماً یک ستونِ یکتا به `ORDER BY` اضافه کن** وقتی می‌خواهی همیشه همان سطر را بگیری — ترمِ ۱ فصلِ ۴ نشان داد چرا.

## ۵. میانگینِ میانگین‌ها

حالا خطایی که در گزارش‌های واقعی از همه رایج‌تر است. جدول را به دو گروه می‌شکنیم — کتاب‌های امتیازدار و بی‌امتیاز — و میانگینِ هر گروه را می‌گیریم:

</div>

```python
groups = q("""
    SELECT rating IS NULL AS unrated,
           COUNT(*)       AS n,
           AVG(borrowed)  AS mean
    FROM books
    GROUP BY unrated
""")
print(groups)
print()
print("میانگین این دو میانگین:", (float(groups["mean"][0]) + float(groups["mean"][1])) / 2)
print("میانگین روی کل جدول   :", float(q("SELECT AVG(borrowed) FROM books").iloc[0, 0]))
```

```text
   unrated    n       mean
0        0  969  96.971104
1        1  231   0.978355

میانگین این دو میانگین: 48.97472960476056
میانگین روی کل جدول   : 78.4925
```

<div dir="rtl">

**۴۸٫۹۷ در برابرِ ۷۸٫۴۹ — سی واحد اختلاف، و هر دو عدد از همان ۱٬۲۰۰ سطر آمدند.**

دلیلش این است که دو گروه هم‌اندازه نیستند: یکی ۹۶۹ سطر دارد و دیگری ۲۳۱ سطر. وقتی دو میانگین را ساده جمع می‌کنی و بر دو تقسیم می‌کنی، **به هر گروه وزنِ برابر داده‌ای** — یعنی هر یک از آن ۲۳۱ کتاب را چهار برابرِ هر یک از آن ۹۶۹ کتاب مهم شمرده‌ای، بدونِ اینکه چنین تصمیمی گرفته باشی.

> 🌱 **ریشه‌اش کجاست:** این همان قاعده‌ای است که در جمعِ کسرها یاد می‌گیری: دو کسر با مخرج‌های نابرابر را نمی‌شود مستقیم جمع کرد، چون تکه‌هایشان هم‌اندازه نیستند. میانگین هم یک کسر است، و میانگینِ دو میانگین دقیقاً همان جمعِ ممنوع است. اگر این نگاه برایت تازه است، [ریشه ترمِ ۲ فصل ۲](/courses/risheh/lessons/term-2-fractions/session-02-fraction-add) با دو پیتزای نابرابر از اول بازش می‌کند.

## ۶. میانگینِ وزنی: همان دو میانگین، جوابِ درست

اگر فقط جدولِ گروهی را داشته باشی و دیگر به سطرهای اصلی دسترسی نداشته باشی — که در گزارش‌های واقعی خیلی پیش می‌آید — باز هم می‌شود میانگینِ درست را بازساخت: **هر میانگین را در تعدادِ سطرهایش ضرب کن، جمع بزن، و بر جمعِ تعدادها تقسیم کن.**

</div>

```python
top = float(groups["mean"][0]) * int(groups["n"][0])
bottom = float(groups["mean"][1]) * int(groups["n"][1])
total_rows = int(groups["n"][0]) + int(groups["n"][1])

print("جمع امانت‌های گروه اول :", round(top, 4))
print("جمع امانت‌های گروه دوم :", round(bottom, 4))
print("میانگین وزنی           :", (top + bottom) / total_rows)
print("میانگین روی کل جدول    :", float(q("SELECT AVG(borrowed) FROM books").iloc[0, 0]))
print("جمع سطرها              :", total_rows)
```

```text
جمع امانت‌های گروه اول : 93965.0
جمع امانت‌های گروه دوم : 226.0
میانگین وزنی           : 78.4925
میانگین روی کل جدول    : 78.4925
جمع سطرها              : 1200
```

<div dir="rtl">

**دقیقاً همان ۷۸٫۴۹۲۵ درآمد.** میانگینِ وزنی یک ترفند نیست؛ فقط همان کاری است که `AVG` از اول می‌کرد — جمعِ کل تقسیم بر تعدادِ کل — که این بار از دو تکه بازسازی شد.

**و همین‌جا یک قاعدهٔ عملی بردار: هر جدولِ گروهی که تحویل می‌دهی باید ستونِ `COUNT(*)` داشته باشد**، حتی وقتی کسی نخواسته. بدونِ آن ستون، هیچ‌کس نمی‌تواند میانگین‌های تو را درست با هم ترکیب کند.

## ۷. یک سطر که میانگین را جابه‌جا می‌کند

آخرین آزمایش. به قفسهٔ چپ — همان که همهٔ کتاب‌هایش بینِ ۷۴ و ۸۶ بودند — یک کتابِ استثنایی اضافه می‌کنیم:

</div>

```python
con.execute("INSERT INTO shelves VALUES (?, ?, ?)", ("چپ", "کتاب پرت", 900))
con.commit()

rows = list(q("SELECT borrowed FROM shelves WHERE shelf = ? ORDER BY borrowed", ("چپ",))["borrowed"])
mean_now = float(q("SELECT AVG(borrowed) FROM shelves WHERE shelf = ?", ("چپ",)).iloc[0, 0])
middle_two = q("""
    SELECT borrowed FROM shelves WHERE shelf = ?
    ORDER BY borrowed LIMIT 2 OFFSET 2
""", ("چپ",))

print("شش سطر قفسهٔ چپ:", rows)
print("میانگین: ۸۰ →", round(mean_now, 2))
print("میانه  : ۸۰ →", (int(middle_two["borrowed"][0]) + int(middle_two["borrowed"][1])) / 2)
```

```text
شش سطر قفسهٔ چپ: [74, 77, 80, 83, 86, 900]
میانگین: ۸۰ → 216.67
میانه  : ۸۰ → 81.5
```

<div dir="rtl">

**یک سطر از شش سطر، و میانگین بیش از دو برابر شد؛ میانه یک‌ونیم واحد تکان خورد.**

این تفاوتِ بنیادیِ آن دو است: میانگین **مقدارِ** هر سطر را می‌بیند، پس یک مقدارِ بزرگ کلش را می‌کشد. میانه فقط **ترتیب** را می‌بیند، پس برایش فرقی ندارد آن سطر ۹۰۰ باشد یا ۹٬۰۰۰٬۰۰۰.

**هیچ‌کدام «بهتر» نیست و انتخاب به پرسشت بستگی دارد.** اگر می‌پرسی «کلِ بار چقدر بود؟» میانگین جوابِ درست است، چون آن یک کتابِ پرامانت واقعاً اتفاق افتاده. اگر می‌پرسی «یک کتابِ معمولیِ این قفسه چقدر امانت می‌رود؟» میانه جوابِ درست است.

> 📏 **اندازه بگیر:** **یک سطر یعنی چه؟** در جدولِ `shelves` یک سطر یک کتاب است، در جدولِ خلاصه یک قفسه، و در بخشِ ۵ یک **گروه** که هزار و دویست کتاب را به دو تکه کرده. سه دانه‌بندی در یک فصل. **با کدام شمارشِ دوم سنجیدی؟** پنج‌تا: ده سطرِ قفسه‌ها را با چشم شمردیم؛ میانه را کنارِ میانگین گذاشتیم؛ شمارشِ دسته‌ای تفاوتی را نشان داد که هیچ‌کدام از آن دو نشان نداده بودند؛ پراکندگیِ یک‌مرحله‌ایِ `SQL` را با محاسبهٔ دومرحله‌ای در پایتون سنجیدیم و هر دو راه به ۴٫۲۴ و ۶۸٫۴۷ رسیدند؛ و میانگینِ وزنی دقیقاً ۷۸٫۴۹۲۵ را بازساخت که همان عددِ `AVG` روی کلِ جدول است. **چه کسی از قلم افتاد؟** ۲۳۱ کتابی که در بخشِ ۵ یک گروهِ کاملاً جدا شدند و در هر میانگینی روی `rating` اصلاً شمرده نمی‌شوند؛ و همچنان ۲۴۰ سطرِ `arrivals.csv`.

> 🤖 **از دستیارت بپرس:** «چه وقت میانه از میانگین گزارشِ بهتری است و چرا؟» بعد این را بپرس: **«اگر فقط میانگینِ هر گروه و تعدادِ سطرهای هر گروه را داشته باشم، می‌توانم میانگینِ کل را دقیق بازسازی کنم؟ و اگر فقط میانگین‌ها را داشته باشم چطور؟»** — جوابِ درست برای پرسشِ دوم «نه» است؛ اگر دستیارت گفت «بله، میانگینشان را بگیر»، همین حالا با عددهای بخشِ ۵ ردش کن.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| median | مدیان | میانه؛ مقدارِ وسطِ فهرستِ مرتب‌شده |
| range | رنج | دامنه؛ بیشینه منهای کمینه |
| spread | اسپرد | پراکندگی؛ اینکه مقدارها چقدر از میانگین دورند |
| outlier | اوت‌لایر | مقدارِ پرت؛ سطری که خیلی از بقیه فاصله دارد |
| weighted mean | ویتد مین | میانگینِ وزنی؛ میانگینی که اندازهٔ هر گروه را حساب می‌کند |
| skew | اسکیو | چولگی؛ کشیده شدنِ داده به یک سمت |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: چرا میانگینِ آن دو میانگین ۴۸٫۹۷ شد و نه ۷۸٫۴۹؟

**تمرینِ اجباری:** برای هر هشت دسته، پنج عدد بگیر: `COUNT(*)`، میانگین، کمینه، بیشینه و پراکندگیِ `borrowed`. بعد **میانگینِ سادهٔ آن هشت میانگین را با میانگینِ کلِ جدول بسنج.** این بار اختلاف خیلی کمتر از بخشِ ۵ درمی‌آید. **جوابِ سؤالِ اصلی را بنویس: چه چیزی در این هشت گروه فرق دارد که اختلاف را این‌قدر کوچک کرده؟** جوابت باید دربارهٔ اندازهٔ گروه‌ها باشد.

**تمرینِ ستاره‌دار ⭐:** میانهٔ `rating` را برای کتاب‌های امتیازدار حساب کن و با `AVG(rating)` بسنج. **دقت کن که تعدادِ سطرهای این محاسبه ۹۶۹ است، نه ۱٬۲۰۰** — پس `OFFSET` را از روی ۹۶۹ حساب کن. بعد سؤالِ سخت را جواب بده: **اگر آن ۲۳۱ کتابِ بی‌امتیاز را با مقدارِ صفر وارد محاسبه می‌کردی، میانگین و میانه کدام بیشتر تکان می‌خورد؟** اول حدس بزن، بعد هر دو را حساب کن و ببین حدست درست بود.

## در فصل بعد

حالا می‌دانی یک میانگین چه چیزی را پنهان می‌کند. فصلِ بعد سراغِ خطرناک‌ترین شکلِ عددِ خلاصه می‌رود: درصد. **همان یک شمارش را با دو مخرجِ کاملاً قابلِ‌دفاع تقسیم می‌کنیم و دو عدد می‌گیریم — ۳۴٫۶۷ درصد و ۴۲٫۹۳ درصد** — و بعد نشان می‌دهیم که ساده‌ترین راهِ نوشتنِ همان درصد در `SQL` عددِ صفر برمی‌گرداند.

</div>

---
Source: https://yaadestan.com/courses/avand/lessons/t2/s03-average-lies (یادستان, Yaadestan)
