問題文
通信事業者の分析担当者が、2億行ある利用明細の表について数値の列の分布の概要をまず把握したい。件数・平均・標準偏差・四分位の値を1度の操作で得たい。適切な進め方はどれか。
選択肢
- 無作為に1000行を抽出して件数と平均と標準偏差を求め、その値を表全体の統計として記録する
- 列ごとに平均を求める処理を書き、標準偏差と四分位は別に何度も走査して求める。走査を分けるほうが1回あたりの読み込みが軽くなり、大きな表では安全である
- 分散した表のまま要約統計を出す操作を呼び、件数と平均と標準偏差と四分位を一度に得る。集約が各分割で並行して進むため大きな表でも成り立つ
- 表全体を1台のメモリに読み込んでから、手元の表計算の道具で件数と平均と標準偏差と四分位をそれぞれ順番に計算する