Skewness – ההטיה של ההתפלגות

דמיינו תבנית עוגה.
הכנסתם את אותו בלילה בדיוק, אותו זמן בתנור –
אבל כשמוציאים, מגלים שרוב העוגות יצאו בגודל דומה,
ועוגה אחת… ענקית.

העוגה החריגה הזו לא משנה את המתכון,
אבל היא כן משנה את צורת ההתפלגות.
כאן בדיוק נכנסת לתמונה Skewness – הטיה.

אז מה זה בעצם Skewness?

Skewness מודדת עד כמה ההתפלגות סימטרית –
או במילים פשוטות:
לאיזה צד “נמרח הזנב” של הנתונים.

• אם ההתפלגות סימטרית – אין הטיה
• אם הזנב ארוך ימינה – הטיה חיובית
• אם הזנב ארוך שמאלה – הטיה שלילית

הזנב הוא לא המקום שבו “רוב הנתונים”,
אלא המקום שבו נמצאות ההפתעות.

הטיה חיובית  (Right Skewed)

רוב הערכים קטנים,
אבל יש כמה ערכים גדולים במיוחד שמושכים את הזנב ימינה.

דוגמה מהמטבח:
רוב העוגיות שוקלות 20–22 גרם,
אבל שתיים יצאו 40 גרם. תוצאה מעניינת:
הממוצע > החציון

כי העוגיות הכבדות “דוחפות” את הממוצע למעלה.

דוגמאות מהחיים:

• משכורות
• זמני המתנה
• מחירי דירות

הטיה שלילית  (Left Skewed)  

רוב הערכים גבוהים,
אבל יש כמה ערכים קטנים מאוד שמושכים שמאלה.

דוגמה:
מאפינס שנאפו מצוין,
אבל אחד נשרף ונשקל הרבה פחות.

כאן קורה ההפך:
הממוצע < החציון

למה Skewness חשובה?

כי מספר אחד לא מספר את כל הסיפור.

שני עסקים יכולים להציג אותו ממוצע הכנסות,
אבל:

• אחד יציב וסימטרי
• והשני עם הרבה “נפילות” ומעט הצלחות גדולות

בלי להבין את ההטיה,אנחנו עלולים לטעות בפרשנות, בהחלטות, ובאסטרטגיה.

ביס זהירות

• ממוצע לבד יכול להטעות
• בהתפלגות מוטה, החציון לעיתים מספר את הסיפור האמיתי
• תמיד כדאי “להציץ בהיסטוגרמה” לפני שמסיקים מסקנות

השורה התחתונה

 Skewness היא כמו טעימה קטנה לפני ההגשה:
היא לא אומרת כמה יש, אלא איך זה מתחלק.

ובסטטיסטיקה,
כמו בבישאל, הצורה חשובה לא פחות מהכמות. 

הגרף ששינה את עולם הרפואה

או: איך אחות אחת הצילה אלפי חיילים בזכות דיאגרמה חכמה

רוב האנשים מכירים את פלורנס נייטינגייל כ"אמא" של הסיעוד המודרני.
אבל הרבה פחות יודעים שהיא הייתה גם סטטיסטיקאית מבריקה,
והיא אחראית לאחד הרגעים ההיסטוריים שבהם גרף אחד שינה מדיניות של מדינה שלמה.

כן, לא מאמר, לא ניסוי ענק, לא צעקה ציבורית.
גרף.

הבעיה: יותר חיילים מתו מהזיהומים מאשר מהקרב

במהלך מלחמת קרים (1853–1856), נייטינגייל נשלחה לנהל את בתי החולים של החיילים הבריטים.
כשנכנסה לשטח, היא נחרדה לגלות:

• תנאים סניטריים ירודים
• חדרים צפופים
• מים מזוהמים
• תמותה עצומה שלא קשורה בכלל לפציעות קרב

למעשה, רוב החיילים לא מתו מהקרבות,
אלא ממחלות שנגרמו מהתנאים בבתי החולים.

נייטינגייל הבינה שמשהו חייב להשתנות.
אבל איך משכנעים ממשלה ואנשי צבא קשוחים להאמין לכך?

הפתרון: דיאגרמת “ורד” גאונית

נייטינגייל ידעה שאם תראה מספרים בלבד, אף אחד לא יקרא.
אז היא בנתה גרף חדשני:
Rose Diagram  מעין “גרף עוגה” שמחולק למקטעים,
כאשר כל מקטע מייצג חודש, וגודל המקטע מראה את מספר מקרי המוות.

אבל היה פה טריק:
היא צבעה את המקטעים כך שברור מיד:

• כחול = מוות מזיהומים
• אדום = מוות מפציעות
• שחור = סיבות אחרות

התוצאה הייתה מכה חזותית:
רואים במבט אחד שזיהומים הורגים פי כמה מאשר אויבים.

הדיאגרמה הייתה ברורה, חדה ובלתי ניתנת להתנגדות.
זו הייתה תקשורת סטטיסטית מושלמת.

ומה קרה בעקבות זה?

הגרף של נייטינגייל הוצג בפני הממשלה הבריטית.
לראשונה בהיסטוריה, מקבלי החלטות ראו בצורה ברורה:

האויב האמיתי הוא לא הצבא הרוסי, אלא הזיהומים.

בעקבות הגרף:

• שופרו מתקני האחסון והרחצה
• הוגדרו תקנים לחיטוי
• הוכנסו מערכות ניקוז
• התמותה ירדה בצורה דרמטית

זה היה אחד הרגעים הראשונים בהיסטוריה שבהם סטטיסטיקה הכתיבה מדיניות בריאותית.

דוגמה קולינרית — בסגנון הבלוג שלך

תאר לעצמך שאתה מנהל מטבח גדול.
יש תלונות שהעוגות נשרפות.

אתה מנסה להבין למה:
המתכון? התנור? הטבחים?

אם תציג טבלה ארוכה, אולי יתעלמו ממנה.
אבל אם תיצור גרף עוגה שמראה שה־80% מהעוגות שנשרפו היו בתנור מס’ 3 ,
במבט אחד כולם יבינו:
הבעיה היא לא המתכון, אלא התנור.

זה בדיוק מה שעשתה נייטינגייל, רק שבמקום עוגות, מדובר היה בחיי אדם.

ביס מסכם

האירוע ההיסטורי שבו פלורנס נייטינגייל יצרה דיאגרמה ששינתה את מערכת הבריאות הבריטית,
מראה כוח עצום:
לא רק לאסוף נתונים, אלא להציג אותם בצורה שמספרת סיפור שאי אפשר להתעלם ממנו.

סטטיסטיקה טובה לא רק מגלה אמת, היא גורמת לאנשים לפעול.

סטטיסטיקה תיאורית: המתכון הסודי לנתונים

ברוכים הבאים לעוד "ביס" של סטטיסטיקה! היום נכין מנה מיוחדת במטבח הסטטיסטי: סטטיסטיקה תיאורית. כמו שילוב תבלינים מוצלח, סטטיסטיקה תיאורית עוזרת לנו לארגן ולסכם כמות גדולה של נתונים גולמיים לכמה נתוני מפתח שקל לטעום ולהבין. במקום ללעוס אלפי מספרים, נקבל תקציר תמציתי וטעים של הנתונים.

סטטיסטיקה תיאורית היא שיטת הסיכום של עולם הנתונים: היא לוקחת כמות גדולה של מספרים ומזקקת אותם לכמה מדדים פשוטים. תחשבו על שף שבסוף היום מדווח כמה מנות הוכנו, מה גודל המנה הממוצעת, איזה תבלין שלט, והאם הייתה מנה חריגה במיוחד. כך אפשר להבין מהר את התמונה הכללית בלי לטעום כל מנה ומנה.

בסטטיסטיקה תיאורית יש כמה מדדים מרכזיים שכדאי להכיר. נכיר אותם בעזרת דימויים מהמטבח:

המדדים המרכזיים: ממוצע, חציון, שכיח

• ממוצע (Average) – חשבו על הממוצע כעל "השף המאזן". זה הערך שהיינו מקבלים אילו חילקנו את כל הכמויות שווה בשווה בין כולם. דמיינו שלכל עוגייה שהכנתם יש מספר אחר של שוקולד צ'יפס; אם תאספו את כל השוקולדים מכל העוגיות ותפזרו בחזרה באופן שווה, כמות הצ'יפס בכל עוגייה תהיה הממוצע. כך הממוצע נותן מושג על ה"טעם הכללי" של הנתונים.
• חציון (Median) – החציון הוא ה"מנה האמצעית". זה הערך שנמצא בדיוק באמצע כשרושמים את הנתונים מהקטן לגדול. למשל, אם סידרתם 7 עוגיות לפי משקלן, העוגייה הרביעית (האמצעית) היא החציון. היתרון בחציון: ערך קיצוני במיוחד (נגיד עוגה ענקית בין כמה קטנות) אמנם יקפיץ את הממוצע, אבל לא ישנה את החציון – הוא יישאר באמצע בלי קשר לגודל החריג.
• שכיח (Mode) – השכיח הוא ה"טעם הנפוץ ביותר" בנתונים, כלומר הערך שמופיע הכי הרבה פעמים. למשל, אם אפיתם 8 עוגיות: ל-4 מהן הכנסתם 8 שוקולדים, ל-3 מהן 10 שוקולדים, ולאחת הרפתקנית 12 – הכמות השכיחה של צ'יפס לעוגייה היא 8 (כי 8 הופיע במירב העוגיות).

מדדי פיזור: שונות וסטיית תקן

• שונות (Variance) – שונות מודדת כמה הנתונים מפוזרים סביב הממוצע, כלומר את מידת הגיוון. אם כל העוגיות יצאו די דומות, השונות נמוכה – המטבח שמר על אחידות. אבל אם עוגייה אחת יצאה ענקית ואחרת זעירה, יש הרבה "שונות" בקולקציית העוגיות. שונות גבוהה פירושה שהמנות (הנתונים) יצאו מאוד מגוונות (פעם מלוח מדי, פעם מתוק מדי), ושונות אפס אומרת שכל המנות יצאו זהות לגמרי (נדיר מאוד במציאות).
• סטיית תקן (Standard Deviation) – סטיית התקן אומרת לנו באופן טיפוסי בכמה ערך חורג מהממוצע, והיא נמדדת באותן יחידות כמו הנתון עצמו. במילים פשוטות, אפשר לחשוב עליה כמדד של עד כמה העוגיות שונות בגודלן: אם סטיית התקן קטנה – כמעט כל העוגיות דומות (המתכון עקבי); אם היא גדולה – חלק מהעוגיות יצאו ענקיות וחלק פצפוניות. סטיית התקן מספרת לנו כמה הפתעות אפשר לצפות בכל נגיסה, ביחס לטעם הממוצע.

לסיכום, סטטיסטיקה תיאורית הופכת הר של מספרים לכמה ביסים קלים לעיכול. הממוצע, החציון והשכיח מציגים את הערך המרכזי או הנפוץ, בעוד השונות וסטיית התקן מגלות עד כמה הנתונים מגוונים. כך הנתונים הגולמיים הופכים ל"מתכון" ברור: כמה מתוק, כמה חריף, ומה המרקם הכללי. בפעם הבאה שתסתכלו על טבלת מספרים, זכרו שבין השורות מסתתר שף סטטיסטי קטן שמסכם לכם את הארוחה. בתיאבון!

היסטוגרמה – איך לחתוך את העולם לפרוסות ולגלות מה באמת קורה שם

אם אי פעם עמדתם במטבח וחתכתם עוגה לחתיכות לא שוות, אתם מכירים את הבעיה:
כולם רוצים לדעת מי קיבל יותר.

וזה בדיוק מה שהיסטוגרמה עושה —
רק בלי ויכוחים ובלי פירורים על השיש.

היסטוגרמה היא אחת הדרכים הפשוטות והחזקות להבין איך הנתונים שלנו מתפלגים: איפה יש הרבה, איפה יש מעט, ואיפה מתחבא החתן הנעלם של עוגת יום ההולדת.

 אז מה זה בכלל היסטוגרמה?

תחשבו על מגש גדול של ריבועי בראוניז.
כל שורה מייצגת טווח של ערכים למשל:
0–5  דקות אפייה מוקדמת מידי,
5–10  דקות — עדיין חי בפנים,
10–15 — מושלם,
15–20 — נשרף קצת אבל סבבה עם גלידה.

כל טווח כזה הוא “דלי” (bin),
וכל דלי מספר לנו כמה נתונים נפלו בו.

במילים אחרות:

היסטוגרמה היא כמו לספור כמה אנשים הגיעו לכל דוכן בקומזיץ — רק עם קמח ושוקולד.

 למה צריך את זה?

כי נתונים גולמיים יכולים לבלבל.
אתם יכולים להחזיק 200 מספרים, ולא להבין שום דבר.
אבל ברגע שמחלקים אותם לטווחים מסודרים?
פתאום הכול ברור.

היסטוגרמה עוזרת לנו לראות:

• האם הנתונים נוטים לצד מסוים
• האם יש זנב ארוך (כמו עוגה שנמשכה יותר מיד)
• האם יש שתי פסגות (אהה—זה כששתי קבוצות אוכל שונות ניסו לשתף מגש אחד)
• והכי חשוב: האם הנתונים בכלל נורמליים, או שהם מתנהגים כמו בצק שלא שמע על שמרים.

 דוגמה טעימה במיוחד

נניח שאתם בודקים כמה זמן לוקח לכל אחד להכין קפה בבוקר.
אספתם נתונים:

• יש אנשים שלוקחים 30 שניות
• יש כאלה שצריכים 3 דקות
• ויש את אלו ששוכחים להדליק את הקומקום (7–8 דקות בדרך כלל)

עכשיו תעשו היסטוגרמה, ופתאום תגלו שהקבוצה השלישית היא מיעוט קטן אבל רועש (קבוצת “בבוקר אל תדברו איתי”).

והנה לכם תובנה יומיומית דרך גרף בסיסי.

 רגע של הומור

היסטוגרמה היא הגרף היחיד בעולם שאומר לך את האמת בפנים:

“יש לך יותר מדי נתונים שנשרפו… אולי כדאי לבדוק את התנור.”

סיכום

היסטוגרמה היא כמו חיתוך מדויק של עוגה:
היא מראה איפה הנתונים מרוכזים,
איפה הם דלילים,
ומי קיבל את החתיכה הגדולה בלי שבכלל שמנו לב.

בכל פעם שאתם מקבלים נתונים חדשים,
אל תתחילו ישר לחשב ממוצעים ושונות.
תנו מבט בהיסטוגרמה.
היא תספר לכם את הסיפור לפני שאתם בכלל שואלים.

 ביס אחד של הבנה — ושל סטטיסטיקה שמוגשת בטעם טוב.