Терміни статистики і аналітики простою мовою — пошук
Медіана
Середнє значення витримане викидами: половина даних вище, половина нижче. Для зарплат/цін чесніша за середнє.
Перцентиль
P90 = значення, нижче якого 90% даних. 'P95 latency < 200ms' — 95% запитів швидші за 200мс.
Стандартне відхилення
Типовий розкид навколо середнього. Мале σ — дані щільні; велике — розкидані. ~68% у межах ±1σ (норм. розподіл).
Кореляція
Спільний рух двох змінних: r від -1 до +1. Кореляція ≠ причинність: морозиво й утоплення корелюють через літо, не через цукор.
Регресія
Модель 'y = a + bx': передбачає залежну змінну за незалежною. Проста, але потужна — база прогнозування.
p-value
Імовірність отримати такий результат при відсутності ефекту. <0.05 — статистично значуще (але не обов'язково практично важливо).
Вибірка vs генеральна сукупність
Вибірка — підмножина, на якій рахуємо; сукупність — всі. Висновки з вибірки поширюються з помилкою ±(залежить від n).
Сегментація (когорта)
Когорта — група, об'єднана подією-часом (зареєструвались у березні). Когортний аналіз — чесніший за середню температуру.
Довірчий інтервал
Діапазон, де з 95% імовірністю лежить істинне значення. 42% ±3% — реальність десь у 39–45%.
ETL/ELT
Extract-Transform-Load: витяг даних з джерел, чистка, завантаження в сховище. ELT — спочатку завантажили сире, чистимо в сховищі.