10 πράγματα που πρέπει να ξέρετε για τις στατιστικές για να χρησιμοποιήσετε το Excel - ανδρείκελα

Το Excel είναι ένα θαυμάσιο εργαλείο όταν πρέπει να χρησιμοποιήσετε στατιστικά στοιχεία. Εάν δεν έχετε ποτέ εκτεθεί σε στατιστικά στοιχεία στο σχολείο ή έχει περάσει μια δεκαετία ή δύο από τότε που ήμασταν, αφήστε αυτές τις συμβουλές να σας βοηθήσουν να χρησιμοποιήσετε μερικά από τα στατιστικά εργαλεία που παρέχει το Excel.

Τα περιγραφικά στατιστικά στοιχεία είναι απλά

Το πρώτο πράγμα που πρέπει να γνωρίζετε είναι ότι κάποια στατιστική ανάλυση και μερικά στατιστικά μέτρα είναι αρκετά καθαρά απλά. Τα περιγραφικά στατιστικά στοιχεία, που περιλαμβάνουν πράγματα όπως οι συγκεντρωτικές συγκεντρωτικές πινακίδες, καθώς και μερικές από τις στατιστικές λειτουργίες, έχουν νόημα ακόμα και σε κάποιον που δεν είναι όλα αυτά τα ποσοτικά.

Όταν κάποιος χρησιμοποιεί τον όρο

μέσο όρο, αυτό που συνήθως αναφέρεται είναι η πιο κοινή μέση μέτρηση, η οποία είναι σημαίνω. Η κατανόηση ότι ο όρος μέσος όρος είναι ασαφής καθιστά τη στατιστική λειτουργικότητα του Excel περισσότερο κατανοητή. Για να γίνει πιο συγκεκριμένη αυτή η συζήτηση, υποθέστε ότι εξετάζετε ένα μικρό σύνολο τιμών: 1, 2, 3, 4 και 5. Όπως ίσως γνωρίζετε, ο μέσος όρος σε αυτό το μικρό σύνολο τιμών είναι 3. Μπορείτε να υπολογίσετε τον μέσο όρο προσθέτοντας όλους τους αριθμούς στο σύνολο (1 + 2 + 3 + 4 + 5) και στη συνέχεια διαιρώντας αυτό το άθροισμα (15) με τον συνολικό αριθμό των τιμών στο σετ (5).

Η μέση τιμή

είναι η τιμή που χωρίζει τις μεγαλύτερες τιμές από τις μικρότερες τιμές. Στο σύνολο δεδομένων 1, 2, 3, 4 και 5, ο διάμεσος είναι 3. Η τιμή 3 διαχωρίζει τις μεγαλύτερες τιμές (4 και 5) από τις μικρότερες τιμές (1 και 2). Δεν χρειάζεται να κατανοείτε διαφορετικές μέσες μετρήσεις, αλλά θα πρέπει να θυμάστε ότι ο όρος

μέσος όρος είναι αρκετά ασαφής. Οι τυπικές αποκλίσεις περιγράφουν τη διασπορά

Ο τύπος για τυπική απόκλιση και λογική είναι αρκετά εύκολο να κατανοηθεί.

Η τυπική απόκλιση

περιγράφει τον τρόπο με τον οποίο οι τιμές σε ένα σύνολο δεδομένων διαφέρουν γύρω από τον μέσο όρο. Το τακτοποιημένο πράγμα για τα στατιστικά μέτρα, όπως μια τυπική απόκλιση, αποκτάτε συχνά πραγματικές γνώσεις σχετικά με τα χαρακτηριστικά των δεδομένων που εξετάζετε. Ένα άλλο πράγμα είναι ότι με αυτά τα δυο κομμάτια των δεδομένων, μπορείτε συχνά να αντλήσετε συμπεράσματα σχετικά με τα δεδομένα εξετάζοντας δείγματα. Μια παρατήρηση είναι μια παρατήρηση

Παρατήρηση

είναι ένας από τους όρους που θα συναντήσετε αν διαβάσετε τίποτα για στατιστικά στοιχεία. Μια παρατήρηση είναι απλώς μια παρατήρηση. Ένας τρόπος για τον ορισμό του όρου παρατήρηση είναι το εξής: Κάθε φορά που εκχωρείτε μια αξία σε μια από τις τυχαίες μεταβλητές σας, δημιουργείτε μια παρατήρηση. Ένα δείγμα είναι ένα υποσύνολο των τιμών

Ένα δείγμα

είναι μια συλλογή παρατηρήσεων από έναν πληθυσμό. Για παράδειγμα, εάν δημιουργήσετε ένα σύνολο δεδομένων που καταγράφει την καθημερινή υψηλή θερμοκρασία στη γειτονιά σας, η μικρή σας συλλογή παρατηρήσεων αποτελεί δείγμα. Σε σύγκριση, ένα δείγμα δεν είναι πληθυσμός. Ένας πληθυσμός

περιλαμβάνει όλες τις πιθανές παρατηρήσεις. Τα στατιστικά στοιχεία είναι δροσερά αλλά περίπλοκα

Αν κοιτάξετε ένα δείγμα τιμών από έναν πληθυσμό και το δείγμα είναι αντιπροσωπευτικό και αρκετά μεγάλο, μπορείτε να εξαγάγετε συμπεράσματα σχετικά με τον πληθυσμό βάσει των χαρακτηριστικών του δείγματος.

Τα στατιστικά στοιχεία εισβολής, αν και πολύ ισχυρά, έχουν δύο ιδιότητες που πρέπει να γνωρίζετε:

Θέματα ακρίβειας

• Κακή καμπύλη μάθησης

• Οι λειτουργίες κατανομής πιθανοτήτων δεν προκαλούν πάντα σύγχυση

P

η λειτουργία ακούγεται αρκετά δύσκολη. αλλά μπορείτε πραγματικά να καταλάβετε διαισθητικά ποια είναι η λειτουργία κατανομής πιθανοτήτων με μερικά χρήσιμα παραδείγματα. Μια κοινή διανομή που ακούσατε στα στατιστικά μαθήματα, για παράδειγμα, είναι η διανομή Τ. Η διανομή

T είναι ουσιαστικά μια κανονική κατανομή, εκτός από τις βαρύτερες, παχύτερες ουρές. Μια κοινή συνάρτηση κατανομής πιθανότητας είναι μια ομοιόμορφη κατανομή. Σε ομοιόμορφη κατανομή, , κάθε γεγονός έχει την ίδια πιθανότητα εμφάνισης. Το μοναδικό πράγμα για αυτή τη διανομή είναι ότι όλα είναι αρκετά κακό επίπεδο. Ένας άλλος κοινός τύπος συνάρτησης κατανομής πιθανότητας είναι η κανονική κατανομή

, επίσης γνωστή ως καμπύλη καμπύλης ή Gaussian διανομή . Μια φυσιολογική κατανομή συμβαίνει φυσικά σε πολλές περιπτώσεις. Για παράδειγμα, τα ποσοστά νοημοσύνης (IQs) διανέμονται κανονικά.

Οι παράμετροι δεν είναι τόσο περίπλοκες

Μια παράμετρος

είναι μια είσοδος στη συνάρτηση κατανομής πιθανότητας. Με άλλα λόγια, ο τύπος ή η συνάρτηση ή η εξίσωση που περιγράφει μια καμπύλη κατανομής πιθανοτήτων χρειάζεται εισροές. Στις στατιστικές, αυτές οι εισροές ονομάζονται παράμετροι. Ορισμένες λειτουργίες κατανομής πιθανότητας χρειάζονται μόνο μία απλή παράμετρο. Για παράδειγμα, για να δουλέψετε με ομοιόμορφη διανομή, το μόνο που χρειάζεστε είναι ο αριθμός των τιμών στο σύνολο δεδομένων. Ένας εξάπλευρος θάνατος, για παράδειγμα, έχει μόνο έξι δυνατότητες.

Η υστέρηση και η κούρτωση περιγράφουν τη μορφή της κατανομής πιθανότητας

Δύο άλλοι χρήσιμοι στατιστικοί όροι που πρέπει να γνωρίζουμε είναι η ασυμμετρία και η κούτωση.

Η Skewness ποσοτικοποιεί την έλλειψη συμμετρίας σε μια κατανομή πιθανότητας. Σε μια τέλεια συμμετρική κατανομή, όπως η κανονική κατανομή, η λοξή ισότητα είναι μηδέν. Αν η κατανομή πιθανότητας κλίνει προς τα δεξιά ή προς τα αριστερά, ωστόσο, η λοξότητα ισούται με κάποια τιμή διαφορετική από μηδέν και η τιμή ποσοτικοποιεί την έλλειψη συμμετρίας. Η κούρτωση

ποσοτικοποιεί τη βαρύτητα των ουρών σε μια κατανομή. Σε μια κανονική κατανομή, η κούρτωση ισούται με το μηδέν. Η ουρά είναι το πράγμα που φτάνει προς τα αριστερά ή δεξιά. Ωστόσο, εάν μια ουρά σε μια κατανομή είναι βαρύτερη από μια κανονική κατανομή, η κούρτωση είναι ένας θετικός αριθμός.Αν οι ουρές σε μια διανομή είναι πιο skinnier από ό, τι σε μια κανονική κατανομή, η κούρτωση είναι ένας αρνητικός αριθμός. Τα διαστήματα εμπιστοσύνης φαίνεται πιο περίπλοκα από την αρχή, αλλά είναι χρήσιμα

Οι πιθανότητες συχνά συγχέουν τους ανθρώπους. Ένα σημαντικό πράγμα που πρέπει να καταλάβετε για τα επίπεδα εμπιστοσύνης είναι ότι συνδέονται με το περιθώριο λάθους.

Ένα άλλο σημαντικό πράγμα που πρέπει να καταλάβετε για τα επίπεδα εμπιστοσύνης είναι ότι όσο μεγαλύτερα κάνετε το μέγεθος του δείγματός σας, τόσο μικρότερο είναι το περιθώριο σφάλματος που θα χρησιμοποιεί το ίδιο επίπεδο εμπιστοσύνης.

Ως μόνο ένα παράδειγμα, λέτε ότι διαθέτετε δεδομένα του Google Analytics σε δύο διαφορετικές διαφημίσεις ιστού που εκτελείτε για να προωθήσετε τη μικρή επιχείρησή σας και θέλετε να μάθετε ποια διαφήμιση είναι πιο αποτελεσματική. Μπορείτε να χρησιμοποιήσετε τη φόρμουλα διαστήματος εμπιστοσύνης για να υπολογίσετε πόσο χρόνο πρέπει να εκτελούνται οι διαφημίσεις σας προτού συλλέξουν αρκετά δεδομένα της Google για να μάθετε ποια διαφήμιση είναι πραγματικά καλύτερη.