W tabeli przedstawiono średnie temperatury powietrza z wielolecia w miesiącach IV – IX. W którym miesiącu temperatura powietrza była wyższa od średniej z tego okresu o 1,6°C? <br><br> <table><tr><td>IV</td><td>V</td><td>VI</td><td>VII</td><td>VIII</td><td>IX</td></tr><tr><td colspan="6">°C</td></tr><tr><td>7,9</td><td>13,3</td><td>16,1</td><td>18,7</td><td>17,8</td><td>13,1</td></tr></table>

Odpowiedź jest trafna, bo żeby wyłapać miesiąc, w którym temperatura była wyższa od średniej o 1,6°C, trzeba najpierw policzyć średnią z podanych miesięcy. W sumie te wartości to: 7,9 + 13,3 + 16,1 + 18,7 + 17,8 + 13,1, co daje razem 86,9°C. Dzieląc to przez 6 miesięcy, wychodzi średnia 14,48°C (w zaokrągleniu 14,5°C). Dodając do tej średniej 1,6°C, dostajemy 16,1°C – dokładnie tyle ile jest w czerwcu, czyli miesiącu VI. To pokazuje, jak ważne jest operowanie na danych i logiczne wyciąganie wniosków, zamiast zgadywać. W praktyce taka analiza przydaje się np. w meteorologii czy agrobiznesie, gdzie prognozowanie anomalii temperaturowych może wpływać na decyzje dotyczące upraw czy przygotowania infrastruktury. Moim zdaniem warto zwracać uwagę nie tylko na same odczyty, ale i na ich relację do wartości średnich – to taka podstawa analizy statystycznej, którą często się pomija, a potem wychodzą z tego przekłamania. W branży często stosuje się podejście porównywania do średniej, bo pozwala to szybko wykryć odchylenia od normy, co ma znaczenie choćby przy kontroli jakości procesów technologicznych. Z mojego doświadczenia, umiejętność policzenia średniej i odchylenia przydaje się na każdym kroku, nawet jak nie pracujesz stricte przy danych. Chodzi o to, żeby umieć krytycznie patrzeć na liczby, a nie tylko je przyjmować. Tutaj właśnie to się sprawdziło.