در این فصل چه یاد میگیری#
در یک شرکتِ دهنفره، نُه نفر ماهی ۲۰ میلیون میگیرند و مدیر ۲۰۰ میلیون.
«میانگینِ حقوق ۳۸ میلیون است.» راست است. و کاملاً گمراهکننده — چون هیچکس ۳۸ میلیون نمیگیرد.
این فصل دربارهٔ خلاصهکردنِ داده است، و مهمتر: دربارهٔ اینکه در هر خلاصهکردنی چیزی گم میشود و باید بدانی چه چیزی.

آخر این فصل میتوانی:
- میانگین و میانه و مُد را حساب کنی و بگویی کِی کدام
- بگویی چرا میانگین به مقادیرِ پرت حساس است
- پراکندگی را بسنجی و بگویی چرا لازم است
قبل از شروع#
- از ترم ۲ فصل ۵: درصد و نسبت.
- از فصل ۲: احتمال بهعنوان نسبتِ بلندمدت.
- از ترم ۵ فصل ۸: اینکه هر اندازهگیری خطا دارد و جواب یک بازه است.
۱. سه جور «وسط»#
میانگین: همه را جمع کن و بر تعدادشان تقسیم کن.
میانه: مرتبشان کن و وسطی را بردار.
مُد: آنکه بیشتر از همه تکرار شده.
برای حقوقهای بالا:
- میانگین: .
- میانه: مرتب کن؛ عددِ وسطی ۲۰ است.
- مُد: ۲۰.
🤔 اول حدس بزن: کدامیک «حقوقِ معمولِ این شرکت» را بهتر توصیف میکند؟
میانه — چون به آن یک عددِ پرت وابسته نیست.
دلیلش: میانگین همهٔ عددها را جمع میکند، پس هر عددِ پرتی کلِ نتیجه را میکشد. میانه فقط به ترتیب نگاه میکند؛ اگر حقوقِ مدیر ۲۰۰ باشد یا ۲۰۰۰، میانه همان ۲۰ میماند.
⚠️ دامِ رایج: استفاده از «میانگین» بدونِ بررسیِ شکلِ داده. هر جا داده مقادیرِ پرتِ بزرگ دارد — درآمد، ثروت، قیمتِ مسکن، تعدادِ دنبالکننده — میانگین بالاتر از واقعیتِ اکثریت است. و به همین دلیل، گزارشهایی که میخواهند وضع را بهتر جلوه بدهند تقریباً همیشه میانگین را انتخاب میکنند.
✅ چک کن: دادههای را در نظر بگیر. میانگین، میانه و مُد را حساب کن. — میانگین ۲۲٫۴، میانه ۳، مُد ۳. کدامیک داده را توصیف میکند؟
۲. کِی از کدام استفاده کنی#
میانه وقتی داده مقادیرِ پرت دارد، یا وقتی توزیع نامتقارن است.
میانگین وقتی داده متقارن است و پرت ندارد — و وقتی میخواهی جمعِ کل را بازسازی کنی. (میانگین ضرب در تعداد، جمعِ کل را میدهد؛ میانه چنین خاصیتی ندارد.)
مُد وقتی داده عددی نیست: پرفروشترین سایز، رایجترین رنگ.
💡 نکته: هر سه را حساب کن، بعد تصمیم بگیر کدام را گزارش کنی. اگر هر سه نزدیک بودند، داده متقارن است و انتخاب مهم نیست. اگر خیلی فاصله داشتند، همان فاصله خودش یک یافته است.
۳. چرا وسط کافی نیست#
دو گروهِ نمره:
- گروهِ الف:
- گروهِ ب:
🤔 اول حدس بزن: میانگینشان چقدر تفاوت دارد؟
هیچ. هر دو ۷۰. ولی این دو گروه هیچ شباهتی به هم ندارند.
یک عدد برای توصیفِ داده کافی نیست. لازم است بدانی داده چقدر پخش است.
دامنه سادهترین سنجه است: بزرگترین منهای کوچکترین. برای الف صفر، برای ب ۶۰.
⚠️ دامِ رایج: اکتفا به دامنه. دامنه فقط به دو عدد نگاه میکند و اگر یکی از آن دو پرت باشد، گمراهکننده است. مجموعهٔ دامنهاش ۱۳۰ است ولی تقریباً کاملاً فشرده است.
۴. انحرافِ معیار: فاصلهٔ متوسط از میانگین#
سنجهٔ بهتر این سؤال را میپرسد: بهطورِ متوسط، هر داده چقدر از میانگین فاصله دارد؟
برای گروهِ ب با میانگینِ ۷۰، فاصلهها اینهاست: ۳۰، ۱۵، ۰، ۱۵، ۳۰.
🤔 اول حدس بزن: چرا نمیشود همین فاصلهها را با علامتشان جمع زد و میانگین گرفت؟
چون جمعشان همیشه صفر میشود: . مثبتها و منفیها همدیگر را حذف میکنند، برای هر دادهای.
راهِ حل: اول مربع کن (تا همه مثبت شوند — ترم ۱ فصل ۶)، میانگین بگیر، بعد ریشهٔ دوم بگیر تا به مقیاسِ اصلی برگردی:
سه نمادِ تازه در این فرمول هست و هیچکدام کارِ تازهای نمیکنند. همان میانگین است؛ آن خطِ کوچکِ بالای حرف یعنی «میانگینِ این». علامتِ بزرگِ فقط یعنی «همهٔ اینها را با هم جمع کن». و تعدادِ دادههاست. یعنی فرمول دقیقاً همان سه قدمی را میگوید که خواندی: فاصله بگیر، مربع کن، جمع کن، بر تعداد تقسیم کن، ریشه بگیر.
برای گروهِ ب: مربعها ، میانگینشان ۴۵۰، و ریشهاش حدودِ ۲۱٫۲.
برای گروهِ الف: همهٔ فاصلهها صفرند، پس انحرافِ معیار صفر است.
بخوانش اینطور: «دادهها بهطورِ معمول حدودِ ۲۱ واحد از میانگین فاصله دارند.»
💡 نکته: آن مربعکردن یک عارضهٔ جانبی دارد: فاصلههای بزرگتر وزنِ بیشتری میگیرند (یک فاصلهٔ ۳۰ بهاندازهٔ چهار فاصلهٔ ۱۵ حساب میشود). پس انحرافِ معیار هم مثلِ میانگین به مقادیرِ پرت حساس است.
🌱 ریشهاش کجاست: آن «مربعکردن برای حذفِ علامت، بعد جمع، بعد ریشه» را قبلاً دیدهای: دقیقاً ساختارِ فرمولِ فاصلهٔ ترم ۵ فصل ۴ است. انحرافِ معیار در واقع یک فاصله است — فاصلهٔ دادهها از مرکزشان، در فضایی که هر داده یک بُعد است. و همین ساختار در ترم ۸ فصل ۹ بهعنوان خطای مربعات به تابعِ هزینهٔ یادگیری ماشین تبدیل میشود. یک الگو، سه جای متفاوت.
✅ چک کن: دادههای چه انحرافِ معیاری دارند؟ — صفر. هیچ پراکندگیای نیست.
۵. گزارشِ درست#
هیچوقت فقط مرکز را گزارش نکن. همیشه مرکز بهعلاوهٔ پراکندگی.
«میانگین ۷۰، انحرافِ معیار ۲۱» تصویری میدهد که «میانگین ۷۰» نمیدهد.
و اگر داده مقادیرِ پرت دارد، بهجای میانگین و انحرافِ معیار، میانه و بازهای که نیمهٔ میانیِ دادهها در آن است را بگو.
⚠️ دامِ رایج: مقایسهٔ دو گروه فقط از روی میانگینشان. اگر پراکندگیها خیلی متفاوت باشد، آن مقایسه تقریباً بیمعنی است. دو گروه با میانگینِ یکسان میتوانند کاملاً متفاوت باشند — همان چیزی که در بخش ۳ دیدی.
تمرینها
اول خودت فکر کن یا امتحان کن — بعد اینجا را باز کن.
در فصل بعد#
تا اینجا داده را با دو عدد خلاصه کردی. فصل بعد کلِ شکلِ آن را نگاه میکند — و به شکلی میرسد که در طبیعت آنقدر تکرار میشود که نامش را «نرمال» گذاشتهاند. و همانجا معلوم میشود چرا آن انحرافِ معیار ناگهان معنیِ خیلی دقیقتری پیدا میکند.
به آخر این فصل رسیدی!
اگر ساختی و جواب داد، این دکمه مال توست.