Статистика простыми словами: полный гид без формул 2026

Статистика — это не про формулы, а про то, чтобы вас не обманули. Каждый день реклама, новости и «исследования» бросаются цифрами, и большинство из них подобраны так, чтобы подтолкнуть к нужному выводу. Этот раздел учит видеть приёмы — без единой формулы, на живых примерах.

Наш подход: не заучивать определения, а понимать, где цифра честная, а где манипуляция. Потому что за каждым числом стоит решение, как его посчитать, — и в этом решении вся честность анализа.

Четыре вопроса, которые проверяют любую цифру

Прежде чем разбираться в темах по отдельности, стоит запомнить короткий чек-лист. Он отсеивает большую часть манипуляций за минуту.

Эти четыре вопроса работают в любой ситуации — от новости про среднюю зарплату до презентации подрядчика.

Первая ловушка: «типичное» значение

Самая частая манипуляция — не подделка чисел, а выбор способа их усреднить.

Представьте комнату: девять человек с зарплатой 50 тысяч и один с зарплатой 5 миллионов. Среднее — 545 тысяч. Формально верно; по сути ложь: девять из десяти получают 50 тысяч. Медиана — значение ровно посередине — даёт 50 тысяч и описывает эту комнату честно.

Разница в том, что среднее учитывает величину каждого значения, поэтому один экстремум сдвигает его резко, а медиана учитывает только порядок, и потому устойчива. Отсюда правило: для перекошенных данных (доходы, цены на жильё, время ответа сервера) честнее медиана; для симметричных (рост, температура) годится среднее.

Практический признак манипуляции: если сообщают только среднее по данным, где заведомо есть «хвост» больших значений, — скорее всего, цифру хотели сделать больше. Подробный разбор с примерами — в статье «Среднее против медианы», а понятия — в словаре: среднее, медиана, распределение.

Вторая ловушка: совпадение вместо причины

Летом растут продажи мороженого и число утоплений. Данные подтверждают: корреляция есть. Значит ли это, что мороженое топит людей? Нет — обе величины поднимает жара.

Когда две величины меняются вместе, возможны четыре объяснения: A вызывает B; B вызывает A; общий фактор вызывает оба; чистая случайность. Наблюдая только корреляцию, вы не знаете, какое из четырёх перед вами, — а решения зависят от этого целиком.

Доказать причину наблюдением нельзя, нужен эксперимент: изменить один фактор, всё остальное держать одинаковым, посмотреть на результат. Это логика A/B-теста, и случайное разделение групп в нём — не формальность, а именно то, что уравнивает прочие факторы.

Для работы с ИИ это критично: нейросеть по природе — машина корреляций. Она находит, что с чем меняется вместе, и на этом строит предсказания. Пока модель предсказывает, всё в порядке; как только на её выводах основывают действия, ложная причинность превращается в дорогую ошибку. Родственная ловушка — ошибка выжившего, где причину ищут не там, потому что не видят отсеявшихся.

Третья ловушка: сколько данных достаточно

«Учёные выяснили» — а потом оказывается, что опросили двенадцать человек.

На маленькой выборке один нетипичный участник сдвигает результат на десятки процентов. Отсюда два следствия: результат неустойчив (повторите замер — получите другое) и склонен к экстремумам. Именно поэтому «самые здоровые» и «самые больные» регионы в исследованиях часто оказываются маленькими — не потому что там особая жизнь, а потому что мало данных.

Контринтуитивная деталь: важен не процент от населения, а абсолютное число наблюдений. Тысяча случайно отобранных человек даёт примерно одинаковую точность и для города в сто тысяч, и для страны в сто миллионов.

Но размер — не главное. Большая, но кривая выборка врёт увереннее маленькой честной: классический провал 1936 года, когда журнал опросил два миллиона человек по телефонным справочникам и предсказал не того победителя выборов, — телефон тогда был у обеспеченных, и выборка оказалась смещённой. Сначала честный отбор, потом достаточный размер — подробнее в статье о выборке.

Четвёртая ловушка: подача вместо содержания

График не обязан врать цифрами, чтобы обмануть. Достаточно подать правду так, чтобы вы сделали нужный вывод.

Самый частый приём — обрезанная ось Y: если вертикальная ось начинается не с нуля, рост со 100 до 103 выглядит как взлёт, хотя это плюс три процента. Второй по частоте — черри-пикинг периода: показывают отрезок, где тренд удобен, и обрезают остальное. Третий — двойная ось, которой две линии «подгоняют» друг под друга, создавая иллюзию связи.

Защита не требует знаний: посмотрите на оси, а не на картинку. С чего начинается Y? Равномерный ли шаг? Какой период по X и почему именно он? Нет ли второй оси? Полный разбор десяти приёмов — в статье «Как врут графики», а как строить честные — в обзоре инструментов визуализации.

Значимость: что означает и чего не означает

Отдельный узел путаницы — «статистически значимый результат».

P-value отвечает на один узкий вопрос: насколько вероятно получить такой результат случайно, если эффекта нет. Маленькое значение означает «случайностью объяснить трудно» — и ничего о величине эффекта.

Три заблуждения, которые стоит развести раз и навсегда:

• p-value не вероятность того, что гипотеза верна;
• p-value не размер эффекта: значимый ≠ большой;
• «статистически значимо» не равно «практически важно» — на большой выборке значимым становится ничтожное различие.

Поэтому значимость читают в паре с доверительным интервалом, который показывает не только «есть ли эффект», но и «насколько он велик и насколько мы в этом уверены». Одна цифра без «вилки» создаёт ложную определённость: оценка «45%» может означать 45 ± 2 (надёжно) или 45 ± 15 (почти шум).

Зачем это в журнале про данные и ИИ

Статистика — фундамент искусственного интеллекта, а не соседняя дисциплина.

Нейросеть учится на данных, а данные описываются ровно теми понятиями, что разобраны выше: выборка, распределение, разброс, корреляция. И ловушки переносятся один в один:

• нерепрезентативная выборка в опросе → предвзятая модель в машинном обучении;
• корреляция вместо причины у аналитика → модель, «выучившая», что зонтики вызывают дождь;
• малый размер выборки → переобучение, когда модель заучила примеры вместо закономерности;
• погоня за значимостью → принятые за сигнал случайные улучшения метрики.

Отсюда практический вывод: понимать статистику полезнее, чем знать архитектуры моделей. Модель — отражение данных, а качество данных оценивается статистикой.

Порядок изучения

Если начинаете с нуля, разумный маршрут такой:

1. Среднее против медианы — самая частая манипуляция и самая простая для понимания.
2. Как врут графики — быстрый практический навык, применимый ежедневно.
3. Корреляция и причинность — главная концептуальная ошибка в анализе.
4. Размер выборки и ошибка выжившего — почему данные бывают обманчивы сами по себе.
5. P-value и доверительные интервалы — язык, на котором говорят исследования.

Все термины собраны в словаре данных и статистики. Ниже — материалы раздела.