سواد آماری و نمودار صادقانه
میانگین، میانه، صدک، نرخهای تفکیکی و نمودارها را طوری بررسی کن که تصمیم از دادهٔ پرت یا محور گمراهکننده آسیب نبیند.
بعد از این درس میتوانی
- روی دادهٔ هشتردیفی، میانگین، میانه و صدک ۹۰ را با تابع و روش مشخص حساب کند (
C06-I01). - در جدول دو پیمانکار، تفاوت نرخ تجمیعی و نرخ هر منطقه را بدون ادعای علی توضیح دهد (
C02-I01،C02-I03). - در ۴ از ۵ نمودار تمرینی، واحد، مخرج، محور و خطر تحریف را تشخیص و اصلاح کند (
C01-I04،C02-I04). - برای گزارش مدیریتی، اندازه نمونه و محدودیتهای تفسیر را صریح درج کند (
C02-I05،C06-I05).
چرا این درس مهم است
سناریوی ساختگی: مرکز پشتیبانی «همراه کار» میخواهد سرعت پاسخگویی را برای مشتری گزارش کند. مدل از هشت تیکت، میانگین ۱۲٫۵ ساعت میسازد و میگوید «بیشتر تیکتها حدود نصف روز طول میکشند». اما هفت تیکت تا ۵ ساعت حل شدهاند و یک پرونده ۸۰ ساعته میانگین را بالا کشیده است.
این درس سه کار را کنار هم میگذارد: شاخص مناسب برای پرسش، تفکیک گروههای پنهان و مخرجها و نمودار غیرگمراهکننده. صرف بهدستآمدن یک عدد صحیح، آن را برای تصمیم کافی نمیکند.
مفاهیم کلیدی
- [اصل پایدار] میانگین (`Mean`): مجموع دادههای عددی تقسیم بر تعداد مشاهدههای معتبر؛ به نقاط پرت حساس است.
- [اصل پایدار] میانه (`Median`): عدد میانی پس از مرتبکردن؛ میتواند برای توزیع کج، توصیف بهتری از مقدار معمول باشد، نه اینکه همیشه برتر باشد.
- [اصل پایدار] صدک ۹۰ (`P90`): مقدار مرزیای که طبق روش صدکگیری انتخابشده تقریباً ۹۰٪ مشاهدهها در یا زیر آن قرار میگیرند. روش محاسبه (
PERCENTILE.INCیا روش دیگر) باید ثبت شود. - [اصل پایدار] نمونه و مخرج: درصد بدون
n/Nو روش انتخاب نمونه قابل ارزیابی نیست؛ رضایت ۳۸ نفر از ۴۵ پاسخدهنده، رضایت همهٔ کاربران نیست. - [اصل پایدار] همبستگی و علیت: همتغییری دو عدد بهتنهایی علت را نشان نمیدهد؛ متغیر پنهان میتواند هر دو را توضیح دهد.
- [اصل پایدار] پارادوکس سیمپسون: تفاوت وزن گروهها میتواند روند تجمیعی را در مقایسه با زیرگروهها وارونه کند؛ نرخ هر گروه و اندازهٔ آن را کنار هم ببین.
- [اصل پایدار] صداقت نمودار: میلهها با طول مقدار مقایسه میشوند و باید از صفر شروع شوند؛ در نمودار خطیِ موقعیتی، محور غیرصفر ممکن است با برچسب روشن مناسب باشدsrc-ons-axes.
[استاندارد/روش] پیش از نتیجهگیری، تعداد مشاهده، معیار حذف، بازهٔ زمانی، تعریف KPI، روش صدک و نمودار را ثبت کن. چارچوب NIST خطر سوگیری در داده و فرایند را فقط محدود به «مدل هوش مصنوعی» نمیداندsrc-nist1270.
مدل ذهنی
میانگین شبیه «ارتفاع متوسط افراد در یک صف» است. اگر یک نفر روی چهارپایه ایستاده باشد، مقدار متوسط تغییر میکند، اما نمیتوان گفت بیشتر افراد واقعاً به آن ارتفاع نزدیکاند. نمودار، همان صف را نشان میدهد؛ باید پیش از خلاصهکردن، شکل و استثنا را ببینی.
| پرسش مدیر | شاخص/نمای مناسب | دام رایج |
|---|---|---|
| مقدار معمول زمان رسیدگی چقدر است؟ | میانه همراه دامنه و توزیع | فقط میانگین روی دادهٔ کج |
| چه مدت برای ۹۰٪ موارد کافی بوده؟ | P90 با روش و نمونه روشن | تفسیر صدک بهعنوان تضمین SLA |
| کدام گروه کندتر است؟ | نرخ/میانه به تفکیک نوع تیکت | تجمیع بدون مخرج و شدت مورد |
| آیا کانال B باعث افزایش فروش شد؟ | طرح پژوهش/آزمایش و عوامل مخدوشکننده | علیتسازی از همبستگی |
گامبهگام
گام ۱: یک دادهٔ کوچک با نقطهٔ پرت بررسی کن
ticket_id,hours
K01,1
K02,2
K03,2
K04,3
K05,3
K06,4
K07,5
K08,80این دادهٔ ساختگی فقط ۸ تیکت دارد. جمع ساعتها ۱۰۰، تعداد ۸، میانگین ۱۲٫۵ ساعت و میانه ۳ ساعت است. هفت مورد از هشت مورد حداکثر ۵ ساعتاند؛ یک تیکت ۸۰ ساعته پراکندگی را تغییر میدهد.
=COUNT(B2:B9)
=AVERAGE(B2:B9)
=MEDIAN(B2:B9)
=PERCENTILE.INC(B2:B9,0.9)برای این نمونه، خروجی PERCENTILE.INC(...,0.9) برابر ۲۷٫۵ ساعت است؛ از میان نقطههای مرتبشدهٔ ۵ و ۸۰ در صدک درونیابی میشود. چون فقط ۸ مشاهده داریم، این صدک تخمینی برای تعهد عملیاتی پایدار کافی نیست. صدک روشهای دیگر ممکن است فرق کندsrc-excelstat.
گام ۲: «میانگین» را به جملهٔ صادقانه تبدیل کن
جملهٔ نادرست: «مشتری معمولاً ۱۲٫۵ ساعت منتظر است.» جملهٔ دقیقتر: «در ۸ پروندهٔ ساختگی، میانه ۳ ساعت، میانگین ۱۲٫۵ ساعت و بیشینه ۸۰ ساعت بوده است؛ نمونه کوچک و وجود یک مورد بسیار طولانی، تعمیم را محدود میکند.»
گام ۳: وارونگیِ تجمیع را با محاسبه ببین
نمونهٔ ساختگی از گزارش PDF پژوهش: دو پیمانکار ارسال، در شهر و شهرستان نرخهای متفاوت دارند. با وجود نرخ بدتر پیمانکار ب در هر دو زیرگروه، نرخ تجمیعیاش بهتر به نظر میرسد، چون بارهای شهری آسانتری گرفته است.
| پیمانکار / منطقه | تأخیر / کل | نرخ تأخیر |
|---|---|---|
| الف / تهران | ۲ / ۱۰۰ | ۲٪ |
| ب / تهران | ۴۰ / ۸۰۰ | ۵٪ |
| الف / شهرستان | ۱۱۸ / ۹۰۰ | ۱۳٫۱٪ (تقریب) |
| ب / شهرستان | ۶۰ / ۲۰۰ | ۳۰٪ |
| الف / جمع | ۱۲۰ / ۱۰۰۰ | ۱۲٪ |
| ب / جمع | ۱۰۰ / ۱۰۰۰ | ۱۰٪ |
وقتی هدف مقایسهٔ عملکرد پیمانکار در شرایط همسنگ است، گزارش فقط «۱۲٪ در برابر ۱۰٪» گمراهکننده است. نرخها را به تفکیک منطقه، حجم کار و محدودیت مقایسه گزارش کن. حتی بعد از تفکیک، علت برتری بدون کنترل عوامل دیگر ثابت نمیشود.
گام ۴: نمودار را درست انتخاب کن
| سناریو | طراحی گمراهکننده | طراحی قابل دفاع |
|---|---|---|
| فروش ماهانهٔ ۱۰ و ۱۲ میلیون تومان | دو میله با محور عمودی از ۹٫۵ میلیون | میله با محور شروع از صفر، واحد «میلیون تومان»، برچسب مستقیم |
| تغییر دمای روزانه | اجبار محور صفر که تغییرات کوچک را پنهان میکند | نمودار خطی با بازهٔ برچسبخورده و توضیح محور |
| مقایسهٔ تأخیر پیمانکارها | فقط دو نرخ تجمیعی ۱۲٪ و ۱۰٪ | دو گروه منطقهای با نرخ و مخرج، سپس جمع |
| پراکندگی ۸ تیکت | یک نمودار دایرهای بیمعنا | نقطهای/جعبهای یا جدول مرتبشده با نقطه پرت |
| نظر ۳۸ نفر از ۴۵ پاسخدهنده | نوشتن «۸۴٪ همهٔ کاربران راضیاند» روی نمودار | برچسب «۳۸ از ۴۵ پاسخدهنده» و توضیح سوگیری/مخرج |
راهنمای رسمی ONS میگوید نمودار میلهای که طول میله مقدار را نمایش میدهد از صفر شروع شود؛ اما حکم «تمام محورهای تمام نمودارها از صفر» نادرست استsrc-ons-axes.
گام ۵: سنجه و تصمیم را از هم جدا کن
حتی اگر هشت تیکت، میانگین یا صدک را بدون خطای حسابی داده باشند، دلیل کافی برای تغییر قرارداد SLA نیستند. قضاوت نهایی باید نوع نمونه، حجم، فصل، موارد پرت، آسیب تصمیم و نظر مسئول فرایند را در نظر بگیرد.
مثالها
روی دادهٔ ساختگی پیوست کار کن؛ ابتدا از من بپرس نمونه و بازه چه هستند.
۱) فرمول محاسبه n، میانگین، میانه و P90 (روش PERCENTILE.INC) را بده؛ عدد را فقط پس از اجرای واقعی گزارش میکنیم.
۲) وضعیت نقاط پرت، تعداد داده گمشده، مخرج هر درصد و تغییر نتیجه به تفکیک زیرگروه را بررسی کن.
۳) برای نمودار نوع مناسب، محور، واحد، مبدأ و عنوان غیرعلّی پیشنهاد بده.
۴) هر ادعای علی را با عنوان «فرضیه، نه نتیجه» علامت بزن.
۵) اگر نمونه برای تعمیم کافی نیست، جملهٔ دقیق محدودیت بنویس.در صورت در دسترس نبودن سرویس هوش مصنوعی، همین چکلیست را برای فرمولها و نمودار در Calc استفاده کن؛ پرامپت ابزاری است و جای تحلیل مستقل نمیگیرد.
پیادهسازی عملی
کارگاه محلی رایگان: دادهٔ هشت تیکت را در LibreOffice Calc وارد کن. چهار فرمول نمونه را اجرا کن؛ یک جدول مرتبشده و یک نمودار نقطهای بساز. کنار نمودار بنویس n=8، واحد ساعت و علت هشدار درباره تعمیم را ثبت کن.
تحلیل دوم: نرخ تأخیر پیمانکارها را برای هر منطقه و جمع کل با تأخیر / کل حساب کن. قبل از رسم دو میلهٔ تجمیعی، یک نمودار گروهی/جدول با چهار نرخ جزئی بساز. از تصویر تنها برای ادعای «الف قطعاً بهتر است» استفاده نکن؛ سهم منطقه و دشواری ارسال هنوز ممکن است مهم باشد.
چکلیست تحویل: یک صفحه شامل چهار عدد تیکت، جدول ۶ ردیف پیمانکار، نمودار با محور و واحد، و سه جمله «نتیجه»، «محدودیت»، «آنچه نمیدانیم». محصول لازم نیست در سرویس پولی ساخته شود.
اشتباههای رایج
| اشتباه رایج | نشانه | اصلاح |
|---|---|---|
| میانگین را «مقدار معمول» نامیدن | ۸۰ ساعت میانگین را بالا میبرد | میانه و توزیع را هم نشان بده |
| از نمونهٔ ۸تایی تعهد SLA ساختن | نوسان صدک زیاد است | حجم نمونه و بازه و عدمقطعیت را ذکر کن |
| درصد بدون مخرج | ۷۵٪ نسبت به چه کسانی؟ | صورت، مخرج و روش نمونهگیری |
| استدلال علی از همبستگی | «این کمپین باعث رشد شد» | متغیرهای جایگزین و آزمون مناسب |
| نمودار میلهای از ۹٫۵ شروع میشود | تفاوت ۱۰ و ۱۲ اغراق میشود | مبدأ صفر |
| فقط نرخ تجمیعی مقایسه میشود | وارونگی سیمپسون پنهان میماند | گروهها و وزن آنها را جدا کن |
عیبیابی
P90 با ماشینحساب شخص دیگری برابر نیست.
روش صدکگیری INC/EXC یا تعریف کوانتایل متفاوت است.
نام تابع، نرمافزار و روش interpolation را بررسی کن.
در گزارش روش PERCENTILE.INC و مقدار ۲۷٫۵ برای دادهٔ نمونه را ذکر کن.
نرخ جمع پیمانکار ب بهتر، اما در هر منطقه بدتر است.
ترکیب منطقهای دو پیمانکار تفاوت زیادی دارد.
مخرجها و سهم شهر/شهرستان را بنویس.
گزارش کل و جزئی را کنار هم بگذار و نتیجهٔ علی قطعی نده.
نمودار فروش ۱۰ در برابر ۱۲ میلیون تفاوت چندبرابری نشان میدهد.
محور میلهای بریدهشده است.
کوچکترین مقدار محور را ببین.
محور از صفر و برچسب واحد دقیق بگذار.
نمودار تیکت با ۷ مورد کوتاه، مورد ۸۰ ساعته را نشان نمیدهد.
محور خودکار یا فیلتر نمودار نقطه پرت را پنهان کرده است.
دامنهٔ داده، فیلتر، محور و شمار ردیفها را بررسی کن.
نقطه پرت را حفظ و درباره آن توضیح بده.
ایمنی و حریم خصوصی
تمرین کوتاه
تمرین · 10 دقیقه
تمرین کوتاه: مجموعه ساعتهای رسیدگی 1,2,2,3,3,4,5,80 را بررسی کن. میانه و میانگین را به دست بیاور و یک جمله بنویس که عددهای هر دو را درست توضیح دهد. سپس بگو نمودار میلهای مقایسهٔ فروش ۱۰ و ۱۲ میلیون از کدام عدد محور شروع شود.
راهحل نمونه
میانه = (3+3)/2 = 3 ساعت؛ میانگین = 100/8 = 12.5 ساعت. یک مورد ۸۰ ساعته میانگین را بالا برده و نمونه کوچک است. محور نمودار میلهای باید از صفر شروع شود؛ خطوط/نقاط الزام یکسان ندارند.
چالش
تمرین · 25 دقیقه
چالش، ساختگی: مدیر فقط با تکیه بر تأخیر کلِ پیمانکار ب (۱۰٪) پیشنهاد فسخ قرارداد الف (۱۲٪) میدهد. با شش ردیف جدول بخش ۳ یک یادداشت ۵ خطی بنویس که این تصمیم را بازبینی کند.
- اعداد کل و زیرگروه را عیناً درست بیاور.
- نشان بده چرا وزن نمونه مهم است و دو نرخ را تنها به خاطر تفاوت ۲ واحد درصد «علّی» نخوان.
- یک متغیر مخدوشکنندهٔ محتمل نام ببر.
- تصمیم قطعی را تا تحلیل همسنگ و بررسی SLA تعلیق کن.
راهحل نمونه
ب بهصورت تجمیعی ۱۰٪ در برابر ۱۲٪ الف تأخیر دارد، اما در تهران ۵٪ ب در برابر ۲٪ الف و در شهرستان ۳۰٪ ب در برابر حدود ۱۳٫۱٪ الف است. الف ۹۰۰ مرسولهٔ شهرستان دارد، ب فقط ۲۰۰؛ تفاوت ترکیب، نتیجهٔ کل را وارونه میکند. سطح دشواری مسیر و نوع مرسوله باید کنترل شوند؛ فقط با جمع کل فسخ قرارداد توجیه نمیشود.
پرسشهای سنجش
جمعبندی
- شاخص باید به سؤال مدیریتی وصل باشد؛ میانگین، میانه و صدک یک چیز نیستند.
- برای هشت تیکت ساختگی:
n=8، میانگین ۱۲٫۵، میانه ۳ وP90.INC=27.5ساعت. - درصد را با مخرج و روش نمونهگیری بیاور؛ نرخ کل جای نرخ زیرگروه را نمیگیرد.
- نمودار میلهای از صفر شروع میشود، نمودار خطی میتواند با توضیح محور بریده داشته باشد.
- همبستگی و تفاوت تجمیعی، مدرک کافی برای نتیجهگیری علی نیستند.
ادامه مسیر: در sales-analysis-project همین سواد آماری را با پاکسازی فارسی، فرمول و گزارش مدیرانه یکجا به کار ببر.
منابع پشتیبان این درس: Artificial Intelligence Risk Management Framework (AI RMF 1.0)src-nist-rmf، Getting Started Guide 26.2 — Getting Started with Calcsrc-calc-guide.
پرسشهای سنجش
کدام عدد، «زمان معمول» این مجموعهٔ ۸ تیکت را با مقاومت بیشتری نسبت به تکمقدار ۸۰ ساعته نشان میدهد؟
- میانه ۳ ساعت
- میانگین ۱۲٫۵ ساعت
- P90 برابر ۲۷٫۵ ساعت
- بیشینه ۸۰ ساعت
پاسخ نمونه و معیار ارزیابی
برای نمودار میلهای فروش ۱۰ و ۱۲ میلیون تومان، مبدأ محور کمّی مناسب چیست؟
- ۹٫۵ میلیون
- ۱۱ میلیون
- صفر
- مهم نیست
پاسخ نمونه و معیار ارزیابی
`PERCENTILE.INC` روی ۱،۲،۲،۳،۳،۴،۵،۸۰ در صدک ۹۰ چه مقدار میدهد و چه محدودیتی دارد؟
پاسخ نمونه و معیار ارزیابی
۲۷٫۵ ساعت؛ صدک با روش درونیابی محاسبه شده و با n=8 برای تعمیم/تعهد SLA کافی نیست.
- مقدار ۲۷٫۵ را میدهد (1 امتیاز)
- روش را نام میبرد (1 امتیاز)
- محدودیت نمونه را میگوید (1 امتیاز)
در جدول پیمانکارها چرا نرخ کلی ب=۱۰٪ به تنهایی دلیل بهتر بودن آن نیست؟
پاسخ نمونه و معیار ارزیابی
زیرا نرخ ب در هر دو منطقه بدتر است و فقط ترکیب تعداد مرسولات شهری/شهرستانی متفاوت است؛ باید گروهبندی و دشواری مسیر کنترل شود.
- دو نرخ منطقهای را تشخیص میدهد (1 امتیاز)
- اثر ترکیب/مخرج را بیان میکند (1 امتیاز)
- از نتیجهٔ علی قطعی پرهیز میکند (1 امتیاز)
گزارش میگوید «کاربرانی که پاسخ دادهاند ۸۴٪ راضی بودهاند، پس ۸۴٪ تمام کاربران راضیاند». چه مسئلهای وجود دارد؟
پاسخ نمونه و معیار ارزیابی
مخرج و نمونهٔ پاسخدهندگان با کل جامعه متفاوت است و سوگیری خودانتخابی/بقا ممکن است رخ داده باشد. باید ۳۸/۴۵ را فقط برای پاسخدهندگان نام برد و درباره کل جامعه ادعای قطعی نکرد.
- نسبت نمونه و جامعه را جدا میکند (1 امتیاز)
- سوگیری نمونه را ذکر میکند (1 امتیاز)
- جملهٔ اصلاحشده ارائه میدهد (1 امتیاز)
در چه وضعیتی میتوان محور نمودار خطی را از صفر شروع نکرد؟
پاسخ نمونه و معیار ارزیابی
وقتی تغییرات کمّی با محورِ آشکارا برچسبخورده بهتر دیده میشوند و خواننده از مبدأ غیرصفر آگاه است؛ برای میله و ناحیهٔ پر، صفر لازم است.
- بین نمایش موقعیت و طول تمایز میگذارد (1 امتیاز)
- دلیل موجه دارد (1 امتیاز)
- برچسب صریح محور را الزام میکند (1 امتیاز)
ابزارها و جایگزینها
- LibreOffice Calc (رایگان و محلی) — اجرای فرمول و بررسی جدول روی دستگاه بدون نیاز به سرویس هوش مصنوعی — صفحهگسترده نصبشدهٔ دیگر با توابع معادل — Google Sheets در صورت دسترسی قانونی — Excel موجود و مجاز
- ویرایشگر متن — ثبت CSV نمونه، پرامپت، محاسبهٔ مرجع و گزارش کنترل — Notepad — ویرایشگر Markdown محلی — کاغذ برای نسخهٔ دستی
منابع
Chart details: Axes and gridlines UK Office for National Statistics (ONS) بررسی 2026-11-07؛ راهنمای رسمی بصریسازی آماری؛ غیرداوریشده
Statistical functions (reference) Microsoft Support بررسی 2026-11-07؛ مرجع رسمی توابع؛ غیرداوریشده
Towards a Standard for Identifying and Managing Bias in Artificial Intelligence (SP 1270) NIST 2022-03-15؛ سند فنی دولتی NIST؛ مقالهٔ داوریشدهٔ ژورنالی نیست
Artificial Intelligence Risk Management Framework (AI RMF 1.0) NIST 2023-01-26؛ چارچوب رسمی و داوطلبانه؛ مقالهٔ داوریشدهٔ ژورنالی نیست
Getting Started Guide 26.2 — Getting Started with Calc The Document Foundation / LibreOffice 2026؛ مستند رسمی نرمافزار؛ غیرداوریشده