100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Samenvatting Data Analytics for Engineers €5,49   In winkelwagen

Samenvatting

Samenvatting Data Analytics for Engineers

 26 keer bekeken  0 keer verkocht

Voor eerstejaars studenten TU Eindhoven samenvatting van het vak 2IAB0 Data analytics for engineers

Voorbeeld 3 van de 21  pagina's

  • 17 januari 2021
  • 21
  • 2017/2018
  • Samenvatting
Alle documenten voor dit vak (1)
avatar-seller
lottepigmans
2IAB0: Data analytics 2018
Week 1: EDA
EDA = Exploratory Data Analysis
Key features:
- Emphasis on getting to know the data
- Generate questions
- Extensive use of graphs

Data analytics life cycle:




Problem statement: problem that you are trying to solve
Organize data in a clear way
Clean: check whether the data is OK, if there are any wrong values, they should be removed
Transform: get specific info out of the dataset such as minimum, maximum and average.
Statistics: can be used to draw conclusions about data  data over a larger period of time.
Visualize: useful tool to present insight of data
Mine: offers tools to investigate relationships between variables of datasets.
Communication: get the results of the data across to other people

Descriptive data analytics: insight into the past.
Predictive data analytics: looking into the future.
Prescriptive data analytics: advices on how to influence the future.

Tables:
- Good for reading off values
- Draw attention to actual sizes
2 types of tables:
1. Reference table: all data stored in it, easy to look up data
2. Demonstration table: present just enough data to illustrate a point

Data types:
 Categorical:
o Dichotomous: yes/no, male/female
o Nominal: movie genre, no ordering
o Ordinal: ratings; bad/neutral/good
 Numerical:
o Interval: no fixed zero point so only difference has a meaning such as temperature, pH-
value
o Ratio: has fixed zero point, budget, weight, length

,Graphs:
Dot plots/strip plots
- showing actual values/structure of numerical variables
- not suitable for large data sets
Histogram
- easily judge distributional properties like (a)symmetry
- distribution of numerical data
- sensitive to bin width
- choosing number of bins: √ n met n het aantal observaties
- no gaps between the bars
Bar chart
- gaps between the bars
- distribution of categorical data
KDP: kernel density plot
- improved histogram
- uses moving bins instead of fixed bins; disadvantage: you get negative data which doesn’t
make sense
- good for detailed inspection of the shape of the data

Distribution shapes:
Unimodal distribution:
Bimodal distribution: 2 peaks
one peak
possibly due to 2 groups


Symmetric distribution
Positively skewed distribution

= skewed to the right

= long right tail


Summary statistics
Level: location statistics  what are “typical” values?
- Mean: average; sensitive to outliers; misleading
- Mode: most frequent value
- Median: middle value or average of two middle values
!!! Averages do not tell the whole story !!!
Huge difference between mean and median indicate asymmetry in dataset.

Spread/variability: scale statistics  how much do values vary?
- Range: minimum – maximum
- Interquartile range: IQR: 3rd quartile – 1st quartile
- Median absolute deviation MAD
- Standard deviation: √ variance ; sensitive to outliers




Standardization:

, Standardization data into z-scores shifts the data by subtracting the mean( x ) and rescales the values
by their standard deviation(sd).
x−x
z-scores: z=
sd
Negative z-score indicates that the value is below the mean.
Z-scores allows to compare values in different units or from different populations.
RULE OF THUMB: observations with a z-score larger than 2.5 are considered to be extreme/outliers

Allowed actions for data types:
OK to compute Nomina Ordinal Interval Ratio
l
Frequency distribution Yes Yes Yes Yes
Median and percentiles No Yes Yes Yes
Add or subtract No No Yes Yes
Mean, sd, se of mean No No Yes Yes
ratio no No No Yes

Box-and-whisker-plot: easy way to display summary statistics




Violin plot: combination of box-and-whisker-plot and kernel density plot
- Shows global shape of boxplot
- Local details of kernel density plot

Probability theory:
Probability: a number between 0 and 1 that indicates how likely an event is
 Comes with 3 types of distributions:
1. Binomial distribution:
X ~ Bin(n,p)
N = number of observations
P = “success” probability. This success is defined by the user

P(X = k), X ~ Bin(n,p)
Means the probability X equals k, when X follows a binominal distribution
P(X≤k), X ~ Bin(n,p) ; cumulative distribution function
Outcome: discrete distribution

2. Normal/Gaussian/bell curve distribution
X ~ N( μ , σ 2)
μ = mean (location parameter)
2
σ = variance (larger values indicate more spread)  does not have a unit!

Standard normal distribution: μ=0 en σ 2=1
Outcome: continuous distribution

3. Cumulative probabilities/counts
Uniquely define a probability distribution.


ECDF: Empirical Cumulative Distribution Function

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

Verzekerd van kwaliteit door reviews

Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!

Snel en makkelijk kopen

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

Focus op de essentie

Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper lottepigmans. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €5,49. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 67474 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€5,49
  • (0)
  Kopen