Andmestik

Andmestik on statistikas või teadustöödes kasutatav andmekogum, mis koosneb üksustest ja muutujatest. Iga kirje (rida) kirjeldab ühte üksust (nt inimest, objekti või sündmust) ning iga veerg kirjeldab muutujat (nt vanus, sugu, temperatuur). Muutujad võivad olla numbrilised (nt vanus) või kategoriseeritud (nt sugu, rahvus). Andmestik tavaliselt kujutab endast tabeli, mida võib salvestada vormingutes nagu CSV, Excel või SQL-andmebaas; keerukamad andmestikud võivad hõlmata mitut tabelit või hierarhilisi struktuure.

Andmestikke kogutakse või koostatakse erinevatel viisidel: uuringutest, eksperimentidest, haldusandmetest (nt registrid), sensorandmetest ja veebilogidest. Üldjuhul eristatakse kogu populatsiooni hõlmavat tsensust (kui kõiki üksusi mõõdetakse) ja sellest moodustatud proovi. Kui analüüs viiakse läbi kogu populatsioonil, on see tsensus; kui ainult valim, siis proovi põhine.

Kvaliteet ja töötlemine sõltuvad puuduvate väärtuste, vigade, duplikaatide ja mõõtmisvääride käsitlemisest. Enne analüüsi tehakse andmete puhastus, vajadusel normaliseerimine ja kirjeldav ning diagnostiline kontroll ning luuakse metadata, mis kirjeldab muutujate tähendust ja andmete kogumist.

Andmestikke kasutatakse statistilisel analüüsil, masinõppel, andmete visualiseerimisel ja aruandluses. Eetilised ja privaatsusega seotud kaalutlused hõlmavad isikuandmete anonüümsust, ligipääsupiiranguid, nõusoleku järgimist ning vastavust seadustele ja regulatsioonidele.