【懒懒之道】之大爆炸《中庸之道——网站分析中的平均数》

Transcript

1. Lie To Me AVC 2012-09-25 4 中庸之道—— ⺴⽹网站分析中的平均数 季札 / @oldj
2. Lie To Me AVC 2012-09-25 4 ⻥鱼相、季札 剧组成员：
3. ⻩黄⾦金矿⼯工系统介绍 第 1 集 数据源头：　　　 埋点的那些事⼉儿　 第 3 集 前文提要 Ready? Go! 反馈系统与⽤用户体验 第 2 集
4. 正片开始……
5. 一个地理学家，一个长跑冠军，一个统计学家在 沙漠里迷了路，谁活下来的机率最大，为什么？
6. 统计学 平均数
7. 一块一面生 一面焦的牛 排从平均数 上来讲可能 烤得恰到好 处。
8. 平均数种类 •算术平均数 •几何平均数 •调和平均数 •... •众数 •中位数
9. 据统计，本市男性平均身高为 1.72米。 1.72m
10. 好像差不 多……
11. 据统计，本市男性平均年收入 为100000元。
12. 对不起，拖后 腿了…… 对不起，拖后 腿了…… 对不起，拖后 腿了…… 对不起，拖后 腿了…… 对不起，拖后 腿了…… 对不起，拖后 腿了……
13. 同样是平均数，为什 么给人的感觉不同？
14. 值 频率 均值 正态分布 中位数 众数
15. 值 频率 偏态分布（右偏） 均值 众数 中位数
16. 身高属于正态分布； 收入属于偏态分布。
17. 网站分析中的平均数 平均加载时 间 平均渲染时 间 … 平均停留时 间 平均访问深 度 …
18. 页面加载时间等可以 认为是正态分布。
19. 但页面停留时间...
20. 32.640, 15.313, 20.522, 1571.879, 67.073, 41.426, 67.092, 378.563, 2.171, 8.828, 36.312, 43.292, 5.750, 174.313, 39.047, 8.719, 44.469, 1013.749, 4.298, 4.309, 20.817, 37.032, 23.186, 10.204, 107.661, 16.641, 56.296, 895.656, 42.657, 349.906, 20.078, 24.332, 48.250, 77.707, 339.688, 33.581, 789.625, 10.624, 10.593, 34.750, 83.359, 22.781, 1.324, 1905.794, 28.093, 13.747, 23.913, 24.422, 39.783, 2160.657, 47.724, 118.426, 1065.937, 4.188, 310.066, 130.319, 36.270, 86.290, 18.657, 92.031, 46.328, 49.828, 34.688, 12.785, 22.003, 288.468, 10.825, 145.153, 18.347, 5341.578, 1.267, 4.537, 20.375, 11.273, 902.210, 4.237, 402.471, 12.625, 39.171, 406.018, 40.931, 254.985, 132.485, 12.781, 160.848, 1.888, 104.297, 34.985, 2711.514, 1.422, 1180.656, 250.155, 616.465, 66.808, 5.569, 1075.125, 10.115, 36.028, 13.031, 27.657, 7.656... 一组真实的页面停留时间数据 最小值 最大值
21. 页面平均停留时间 = 所有PV总停留时间 / PV数 ?
22. 最小值：0.078 最大值：19410.0 平均值：288.0
23. 0 50 100 150 200 250 table(cut(d2, seq(from = 0, to = 500, by = 5))) (0,5] (55,60] (125,130] (205,210] (285,290] (365,370] (445,450] 均值 众数 中位数
24. 最小值：0.078 最大值：19410.0 平均值：288.0 中位数：37.410
25. 当用户询问平均数 时，他实际上想知道 什么？
26. 分层显示？
27. 城镇用户... 乡村用户... 男性用户... 女性用户... 老用户... 新用户... 三心及以下用户... 三心以上用户...
28. 去掉异常值？
29. 例如： 去掉所有>10分钟 或<1秒钟的记录 去掉大于或小于某 个阈值的数据？ 缺点：需要根据经验人工指定 阈值，自动化程度较低。
30. >99% 去掉大于或小于3 倍标准差的数据？ 缺点：适用于正态分布，对偏 态分布效果不佳。
31. 2.171, 8.828, 15.313, 20.522, 32.64, 36.312, 41.426, 43.292, 67.073, 67.092, 378.563, 1571.879 第1四分位 第3四分位 第2四分位 （中位） } 求平均 去掉上下四分位的 数据？ √
32. 最小值：0.078 最大值：19410.0 平均值：288.0 中位数：37.410 Q1~Q3均值：46.123
33. 0 50 100 150 200 250 table(cut(d2, seq(from = 0, to = 500, by = 5))) (0,5] (55,60] (125,130] (205,210] (285,290] (365,370] (445,450] 均值 众数 中位数 Q1~Q3均值
34. 网站分析中有一些数 据和平均工资一样， 属于偏态分布！ 小结
35. 内容回顾 平均数 正态分布 偏态分布 页面平均加 载时间 平均收入 平均身高 页面平均停 留时间
36. to be continued... Thanks!