Esempio fittizio: 60 secondi o 40 secondi
Nello stesso perimetro sono registrati 6000 secondi per 100 utenti attivi e 150 sessioni. La media per utente attivo è 60 secondi; per sessione è 40 secondi. Nome e denominatore devono accompagnare il valore.
| Misura fittizia | Valore | Denominatore o unità |
|---|---|---|
| Tempo totale registrato | 6000 | Secondi. |
| Utenti attivi | 100 | Intero periodo. |
| Sessioni | 150 | Stesso perimetro. |
| Media per utente attivo | 60 | 6000 / 100, in secondi. |
| Media per sessione | 40 | 6000 / 150, in secondi. |
Evitare confronti ingannevoli
- Distinguete coinvolgimento, tempo trascorso e numero di sessioni. Una scheda attiva non dimostra lettura o comprensione.
- Non fate una semplice media delle medie giornaliere: gli utenti possono tornare più giorni. Ricalcolate con totali e denominatore corretto dell’intero periodo.
- Documentate raccolta, filtri, dispositivi e attività. Controllate dati mancanti prima di interpretare tempi nulli o brevi.
Migliorare il compito e non prolungare l’attesa
Meno tempo per trovare informazioni pratiche può indicare una risposta migliore; più tempo in una procedura può segnalare difficoltà. Incrociate durata, completamento, errori e ricerca utenti. Non aggiungete passaggi artificiali per alzare una media.
Fonti primarie
Dati mancanti, zero e stima
L'assenza di un'osservazione non equivale a uno zero misurato.
- Distingui campo non ricevuto, osservazione non applicabile ed errore di acquisizione. Conserva lo zero quando è una misura valida; sostituire ogni vuoto con zero confonde stati diversi.
- Nell’esempio fittizio [10, assente, 0] la media di due osservazioni è 5. Dividere per tre dopo la sostituzione con zero risponde a un’altra domanda; mostra entrambi i conteggi.
- Se stimi un dato conserva un indicatore di imputazione e la regola. Confronta risultati con e senza stime; senza osservazioni valide mostra assenza di risultato, non media zero.
Caso di accettazione riproducibile
Esempio fittizio: questi dati non descrivono clienti o risultati osservati.
Vedi dati del caso
{
"values": [
10,
null,
0
],
"observed_count": 2,
"mean_observed": 5,
"mean_if_missing_replaced_with_zero": 3.3333333333,
"extended_sample": {
"values": [
10,
null,
0,
20,
null,
30
],
"known_count": 4,
"expected_count": 6,
"known_sum": 60,
"mean_observed": 15,
"mean_after_zero_fill": 10
},
"missing_only_sample": {
"values": [
null,
null
],
"known_count": 0,
"mean_observed": null
}
}Decisione attesa
La media osservata è 5. Sostituire l’assenza con zero cambia popolazione e risultato.
Stessi dati, due medie: mostrare la regola
Dati immaginari: [10, assente, 0, 20, assente, 30]. Quattro valori noti su sei osservazioni previste; somma nota: 60. Lo zero presente è osservato.
| Trattamento | Calcolo della media | Interpretazione |
|---|---|---|
| Solo valori noti | 60 ÷ 4 = 15 | La media descrive quattro valori noti. Non dimostra che i due assenti avrebbero la stessa distribuzione. |
| Assenze sostituite con zero | 60 ÷ 6 = 10 | Due zeri sono stati aggiunti da una regola, non osservati. La media risponde a un’altra domanda; motivare la regola prima del confronto. |
| Altro campione: [assente, assente] | Non calcolabile | Nessun valore noto: mostrare uno stato non disponibile. Una media zero implicherebbe un’osservazione inesistente. |
Procedura di verifica
- Separa valori mancanti, zero e stimati.
- Calcola medie prima e dopo l’esclusione.
- Conserva conteggi e regole per variabile.
Una somma zero prova che tutti i valori erano zero?
No. Controlla il numero di valori presenti e il comportamento del motore sugli insiemi vuoti; l’assenza non prova una misura nulla.
Fonte primaria: pandas — Working with missing data. Metodo correlato: consultare la guida pratica.