Excelin keskihajonta. Mikä on keskihajonta - keskihajontafunktion käyttäminen keskihajonnan laskemiseen Excelissä

Tässä artikkelissa aion puhua kuinka löytää keskihajonta. Tämä materiaali on erittäin tärkeä matematiikan täydelliselle ymmärtämiselle, joten matematiikan ohjaajan tulisi omistaa erillinen oppitunti tai jopa useita sen opiskeluun. Tästä artikkelista löydät linkin yksityiskohtaiseen ja ymmärrettävään video-opetusohjelmaan, joka selittää, mikä keskihajonta on ja miten se löytyy.

Standardipoikkeama mahdollistaa tietyn parametrin mittaamisen tuloksena saatujen arvojen leviämisen arvioinnin. Ilmoitettu symbolilla (kreikkalainen kirjain "sigma").

Laskentakaava on melko yksinkertainen. Keskihajonnan löytämiseksi sinun on otettava varianssin neliöjuuri. Joten nyt sinun on kysyttävä: "Mikä on varianssi?"

Mikä on varianssi

Varianssin määritelmä menee näin. Dispersio on aritmeettinen keskiarvo arvojen neliöistä poikkeamista keskiarvosta.

Voit selvittää varianssin suorittamalla seuraavat laskelmat peräkkäin:

• Määritä keskiarvo (arvosarjan yksinkertainen aritmeettinen keskiarvo).
• Vähennä sitten keskiarvo kustakin arvosta ja neliötä tuloksena saatu ero (saat neliöity ero).
• Seuraava vaihe on laskea tuloksena olevien neliöerojen aritmeettinen keskiarvo (Alta voit selvittää, miksi juuri neliöt).

Katsotaanpa esimerkkiä. Oletetaan, että sinä ja ystäväsi päätät mitata koirienne pituuden (millimetreinä). Mittausten tuloksena sait seuraavat säkäkorkeudet: 600 mm, 470 mm, 170 mm, 430 mm ja 300 mm.

Lasketaan keskiarvo, varianssi ja keskihajonta.

Etsitään ensin keskiarvo. Kuten jo tiedät, tätä varten sinun on laskettava kaikki mitatut arvot ja jaettava mittausten lukumäärällä. Laskennan edistyminen:

Keskimääräinen mm.

Keskiarvo (aritmeettinen keskiarvo) on siis 394 mm.

Nyt meidän on päätettävä kunkin koiran pituuden poikkeama keskiarvosta:

Lopuksi, varianssin laskemiseen, neliöimme jokaisen tuloksena olevan eron ja etsimme sitten saatujen tulosten aritmeettisen keskiarvon:

Dispersio mm 2 .

Näin ollen dispersio on 21704 mm2.

Kuinka löytää keskihajonta

Joten kuinka voimme nyt laskea keskihajonnan, kun tiedämme varianssin? Kuten muistamme, ota sen neliöjuuri. Eli keskihajonta on yhtä suuri kuin:

Mm (pyöristetty lähimpään kokonaislukuun millimetreinä).

Tällä menetelmällä havaitsimme, että jotkut koirat (esimerkiksi rottweilerit) ovat erittäin suuria koiria. Mutta on myös hyvin pieniä koiria (esim. mäyräkoiria, mutta sinun ei pitäisi kertoa heille sitä).

Mielenkiintoisinta on, että keskihajonta sisältää hyödyllistä tietoa. Nyt voidaan näyttää, mitkä saaduista korkeusmittaustuloksista ovat sen välin sisällä, jonka saamme, jos piirrämme keskihajonnan keskiarvosta (sen molemmille puolille).

Eli keskihajonnan avulla saamme "standardi"-menetelmän, jonka avulla voimme selvittää, mikä arvoista on normaali (tilastollinen keskiarvo) ja mikä on poikkeuksellisen suuri tai päinvastoin pieni.

Mikä on keskihajonta

Mutta... kaikki on hieman erilaista, jos analysoimme näyte tiedot. Esimerkissämme pohdimme yleinen väestö. Eli 5 koiraamme olivat ainoat koirat maailmassa, jotka kiinnostivat meitä.

Mutta jos data on näyte (arvot on valittu suuresta populaatiosta), laskelmat on tehtävä toisin.

Jos arvoja on, niin:

Kaikki muut laskelmat suoritetaan samalla tavalla, mukaan lukien keskiarvon määrittäminen.

Jos esimerkiksi viisi koiraamme ovat vain näyte koirien populaatiosta (kaikki koirat planeetalla), meidän on jaettava 4, ei 5, nimittäin:

Otosvarianssi = mm 2.

Tässä tapauksessa näytteen keskihajonta on yhtä suuri kuin mm (pyöristetty lähimpään kokonaislukuun).

Voimme sanoa, että olemme tehneet "korjauksen" siinä tapauksessa, että arvomme ovat vain pieni näyte.

Huomautus. Miksi täsmälleen neliöity erot?

Mutta miksi otamme tarkalleen neliölliset erot laskettaessa varianssia? Oletetaan, että mitattaessa jotain parametria, sait seuraavat arvot: 4; 4; -4; -4. Jos yksinkertaisesti lisäämme absoluuttiset poikkeamat keskiarvosta (erot) yhteen... negatiiviset arvot kumoavat positiiviset:

.

Osoittautuu, että tämä vaihtoehto on hyödytön. Sitten ehkä kannattaa kokeilla poikkeamien absoluuttisia arvoja (eli näiden arvojen moduuleja)?

Ensi silmäyksellä se osoittautuu hyvin (saatavaa arvoa muuten kutsutaan keskimääräiseksi absoluuttiseksi poikkeamaksi), mutta ei kaikissa tapauksissa. Kokeillaan toista esimerkkiä. Olkoon mittaustulos seuraavissa arvoissa: 7; 1; -6; -2. Sitten keskimääräinen absoluuttinen poikkeama on:

Vau! Jälleen saimme tulokseksi 4, vaikka erot ovatkin paljon suuremmat.

Katsotaan nyt, mitä tapahtuu, jos neliöimme erot (ja sitten otamme niiden summan neliöjuuren).

Ensimmäisessä esimerkissä se on:

.

Toisessa esimerkissä se on:

Nyt se on täysin eri asia! Mitä suurempi erojen leviäminen, sitä suurempi on keskihajonna... mitä me pyrimme.

Itse asiassa tämä menetelmä käyttää samaa ideaa kuin pisteiden välistä etäisyyttä laskettaessa, vain eri tavalla.

Ja matemaattisesta näkökulmasta katsottuna neliöiden ja neliöjuurien käyttö tarjoaa enemmän etuja kuin mitä voisimme saada absoluuttisista poikkeamien arvoista, mikä tekee keskihajonnasta soveltuvan muihin matemaattisiin ongelmiin.

Sergei Valerievich kertoi kuinka löytää keskihajonnan

Andrei Lipov

Yksinkertaisesti sanottuna keskihajonta osoittaa, kuinka paljon instrumentin hinta vaihtelee ajan kuluessa. Eli mitä korkeampi tämä indikaattori, sitä suurempi on useiden arvojen volatiliteetti tai vaihtelu.

Keskihajontaa voidaan ja pitää käyttää arvojoukkojen analysointiin, koska kaksi näennäisesti saman keskiarvon omaavaa joukkoa voivat osoittautua täysin erilaisiksi arvojen leviämisessä.

Esimerkki

Otetaan kaksi riviä numeroita.

a) 1,2,3,4,5,6,7,8,9. Keskiarvo - 5. Art. poikkeama = 2,7386

b) 20,1,7,1,15,-1,-20,4,18,5. Keskiarvo - 5. Art. poikkeama = 12,2066

Jos et pidä koko numerosarjaa silmiesi edessä, keskihajonnan ilmaisin osoittaa, että tapauksessa "b" arvot ovat paljon hajallaan keskiarvon ympärillä.

Karkeasti sanottuna sarjassa "b" arvo on 5 plus tai miinus 12 (keskimäärin) - ei tarkka, mutta se paljastaa merkityksen.

Kuinka laskea keskihajonta

Keskihajonnan laskemiseen voit käyttää kaavaa, joka on lainattu sijoitusrahastojen tuottojen keskihajonnan laskemisesta:

Tässä N on määrien lukumäärä,
DOHaverage - kaikkien arvojen keskiarvo,
DOH-jakso - arvo N.

Excelissä vastaavaa funktiota kutsutaan nimellä STANDARDEVAL (tai ohjelman englanninkielisessä versiossa STDEV).

Vaiheittaiset ohjeet ovat seuraavat:

1. Laske lukusarjan keskiarvo.
2. Määritä kunkin arvon keskiarvon ja kyseisen arvon välinen ero.
3. Laske näiden erojen neliöiden summa.
4. Jaa saatu summa sarjan lukujen lukumäärällä.
5. Ota viimeisessä vaiheessa saamasi luvun neliöjuuri.

Ystävillesi on hyötyä tästä tiedosta. Jaa heidän kanssaan!

Meidän on käsiteltävä sellaisten arvojen laskemista, kuten hajonta, keskihajonta ja tietysti variaatiokerroin. Juuri jälkimmäisen laskeminen ansaitsee erityistä huomiota. On erittäin tärkeää, että jokainen laskentataulukkoeditorin kanssa vasta aloittava aloittelija pystyy nopeasti laskemaan arvojen leviämisen suhteellisen rajan.

Mikä on variaatiokerroin ja miksi sitä tarvitaan?

Joten minusta tuntuu, että olisi hyödyllistä tehdä lyhyt teoreettinen tutkimus ja ymmärtää variaatiokertoimen luonne. Tämä indikaattori on välttämätön, jotta se kuvastaa tietojen vaihteluväliä suhteessa keskiarvoon. Toisin sanoen se näyttää keskihajonnan suhteen keskiarvoon. Variaatiokerroin mitataan yleensä prosentteina ja sitä käytetään aikasarjan homogeenisuuden näyttämiseen.

Variaatiokertoimesta tulee välttämätön apulainen, kun sinun on tehtävä ennuste tietyn otoksen tietojen perusteella. Tämä indikaattori korostaa tärkeimmät arvosarjat, jotka ovat hyödyllisimpiä myöhempään ennustamiseen, ja myös tyhjentää otoksen merkityksettömistä tekijöistä. Joten jos näet, että kertoimen arvo on 0%, ilmoita luotettavasti, että sarja on homogeeninen, mikä tarkoittaa, että kaikki sen arvot ovat yhtä suuret. Jos variaatiokerroin saa arvon, joka ylittää 33 %, tämä tarkoittaa, että kyseessä on heterogeeninen sarja, jossa yksittäiset arvot poikkeavat merkittävästi otoksen keskiarvosta.

Kuinka löytää keskihajonta?

Koska variaatioindeksin laskemiseksi Excelissä meidän on käytettävä keskihajontaa, olisi varsin sopivaa selvittää, kuinka voimme laskea tämän parametrin.

Koulun algebran kurssista tiedämme, että keskihajonna on varianssista erotettu neliöjuuri, eli tämä indikaattori määrittää kokonaisnäytteen tietyn indikaattorin poikkeamaasteen sen keskiarvosta. Sen avulla voimme mitata tutkittavan ominaisuuden absoluuttisen vaihtelun ja tulkita sen selkeästi.

Kertoimen laskeminen Excelissä

Valitettavasti Excelissä ei ole vakiokaavaa, jonka avulla voit laskea variaatioindeksin automaattisesti. Mutta tämä ei tarkoita, että sinun täytyy tehdä laskelmia päässäsi. Mallin puuttuminen "Kaavapalkista" ei millään tavalla heikennä Excelin kykyjä, joten voit melko helposti pakottaa ohjelman suorittamaan tarvitsemasi laskelman syöttämällä sopivan komennon manuaalisesti.

Jotta voit laskea variaatioindeksin Excelissä, sinun on muistettava lukion matematiikan kurssi ja jaettava keskihajonta otoksen keskiarvolla. Eli itse asiassa kaava näyttää tältä - STANDARDEVAL (määritetty tietoalue) / AVERAGE (määritetty tietoalue). Sinun on syötettävä tämä kaava Excelin soluun, johon haluat saada tarvitsemasi laskelman.

Älä unohda, että koska kerroin ilmaistaan ​​prosentteina, solu, jossa on kaava, on muotoiltava vastaavasti. Voit tehdä tämän seuraavasti:

1. Avaa Koti-välilehti.
2. Etsi siitä "Cell Format" -luokka ja valitse haluamasi vaihtoehto.

Vaihtoehtoisesti voit asettaa solun prosenttimuodon napsauttamalla hiiren kakkospainikkeella aktivoitua taulukon solua. Näkyviin tulevasta kontekstivalikosta, yllä olevan algoritmin tapaan, sinun on valittava "Cell Format" -luokka ja asetettava vaadittu arvo.

Valitse Prosentti ja anna tarvittaessa desimaalien määrä

Ehkä yllä oleva algoritmi saattaa tuntua monimutkaiselta joillekin. Itse asiassa kertoimen laskeminen on yhtä yksinkertaista kuin kahden luonnollisen luvun lisääminen. Kun olet suorittanut tämän tehtävän Excelissä, et koskaan palaa työläisiin ja monimutkaisiin ratkaisuihin muistikirjassa.

Etkö silti pysty tekemään laadullista vertailua tietojen hajoamisasteesta? Oletko hämmentynyt näytteen koosta? Aloita sitten heti ja hallitse käytännössä kaikki edellä esitetty teoreettinen materiaali! Älä anna tilastoanalyysin ja ennusteiden kehittämisen enää saada sinua pelkäämään ja kielteiseksi. Säästä energiaasi ja aikaasi

Hyvää iltapäivää

Tässä artikkelissa päätin tarkastella, miten keskihajonta toimii Excelissä STANDARDEVAL-funktion avulla. En vain ole kuvaillut tai kommentoinut sitä pitkään aikaan, ja myös yksinkertaisesti siksi, että tämä on erittäin hyödyllinen toiminto niille, jotka opiskelevat korkeampaa matematiikkaa. Ja opiskelijoiden auttaminen on pyhää; tiedän kokemuksesta, kuinka vaikeaa se on hallita. Todellisuudessa keskihajonnan funktioita voidaan käyttää myytyjen tuotteiden vakauden määrittämiseen, hintojen luomiseen, säätöön tai valikoiman muodostamiseen ja muihin yhtä hyödyllisiin myyntianalyyseihin.

Excel käyttää useita tämän varianssifunktion muunnelmia:

Matemaattinen teoria

Ensin vähän teoriasta, miten keskihajontafunktiota voidaan kuvata matemaattisella kielellä käytettäväksi Excelissä, esimerkiksi myyntitilastotietojen analysointiin, mutta siitä lisää myöhemmin. Varoitan heti, kirjoitan paljon käsittämättömiä sanoja...)))), jos jotain alla tekstissä, etsi heti käytännön sovellusta ohjelmaan.

Mitä keskihajonta tarkalleen ottaen tekee? Se arvioi satunnaismuuttujan X keskihajonnan suhteessa sen matemaattiseen odotukseen perustuen sen varianssin puolueettomaan arvioon. Olen samaa mieltä, se kuulostaa hämmentävältä, mutta uskon, että opiskelijat ymmärtävät, mistä oikeastaan ​​puhumme!

Ensinnäkin meidän on määritettävä "keskihajonta", jotta voimme myöhemmin laskea "keskihajonnan", kaava auttaa meitä tässä: Kaava voidaan kuvata seuraavasti: se mitataan samoissa yksiköissä kuin satunnaismuuttujan mittaukset ja sitä käytetään laskettaessa aritmeettista keskivirhettä, muodostettaessa luottamusväliä, testattaessa hypoteeseja tilastoja varten tai analysoitaessa lineaarista riippumattomien muuttujien välinen suhde. Funktio määritellään riippumattomien muuttujien varianssin neliöjuureksi.

Nyt voimme määritellä ja keskihajonta on analyysi satunnaismuuttujan X keskihajonnasta suhteessa sen matemaattiseen perspektiiviin, joka perustuu sen varianssin puolueettomaan arvioon. Kaava on kirjoitettu näin:
Huomaan, että kaikki kaksi arviota ovat puolueellisia. Yleisissä tapauksissa ei ole mahdollista muodostaa puolueetonta arviota. Mutta puolueettoman varianssin arvioon perustuva arvio on johdonmukainen.

Käytännön toteutus Excelissä

No, siirrytään nyt pois tylsästä teoriasta ja katsotaan käytännössä, kuinka STANDARDEVAL-funktio toimii. En käsittele kaikkia keskihajontafunktion muunnelmia Excelissä, yksi riittää, mutta esimerkeissä. Katsotaanpa esimerkkinä, kuinka myynnin vakaustilastot määritetään.

Katso ensin funktion oikeinkirjoitus, ja kuten näet, se on hyvin yksinkertainen:

STANDARDIPOIKKAAMINEN.Г(_numero1_;_numero2_; ….), jossa:

Luodaan nyt esimerkkitiedosto ja pohditaan sen perusteella, miten tämä funktio toimii. Koska analyyttisten laskelmien suorittamiseen on käytettävä vähintään kolmea arvoa, kuten periaatteessa missä tahansa tilastoanalyysissä, otin ehdollisesti 3 jaksoa, tämä voi olla vuosi, neljännes, kuukausi tai viikko. Minun tapauksessani - kuukausi. Parhaan luotettavuuden vuoksi suosittelen ottamaan mahdollisimman monta jaksoa, mutta vähintään kolme. Kaikki taulukon tiedot ovat hyvin yksinkertaisia ​​toiminnan ja kaavan toimivuuden selkeyden vuoksi.

Ensin meidän on laskettava keskimääräinen arvo kuukausittain. Käytämme tähän funktiota AVERAGE ja saamme kaavan: = KESKIARVO(C4:E4).
Nyt itse asiassa voimme löytää keskihajonnan käyttämällä STANDARDEVAL.G-funktiota, jonka arvoon tulee syöttää tuotteen myynti kullekin ajanjaksolle. Tuloksena on seuraavan muotoinen kaava: =STANDARDIPOIKKAAMINEN.Г(C4;D4;E4).
No, puolet työstä on tehty. Seuraava vaihe on "Variation" muodostaminen, joka saadaan jakamalla keskiarvolla, keskihajonnalla ja muuttamalla tulos prosenteiksi. Saamme seuraavan taulukon:
No, peruslaskelmat on tehty, jäljellä on vain selvittää, onko myynti vakaata vai ei. Otetaan ehtona, että 10 %:n poikkeamia pidetään stabiileina, 10:stä 25 %:iin nämä ovat pieniä poikkeamia, mutta kaikki yli 25 % ei ole enää stabiilia. Ehtojen mukaisen tuloksen saamiseksi käytämme loogista ja tuloksen saamiseksi kirjoitamme kaavan:

IF(H4<0,1;"стабильно";ЕСЛИ(H4<0,25;"нормально";"не стабильно"))

Kaikki alueet on otettu selvyyden vuoksi; tehtävilläsi voi olla täysin erilaiset ehdot.
Tietojen visualisoinnin parantamiseksi, kun taulukossasi on tuhansia paikkoja, sinun tulee käyttää tilaisuutta käyttää tiettyjä ehtoja, joita tarvitset tai käyttää korostamaan tiettyjä vaihtoehtoja värimaailmalla, tämä on erittäin selkeä.

Valitse ensin ne, joissa käytät ehdollista muotoilua. Valitse "Koti"-ohjauspaneelista "Ehdollinen muotoilu" ja valitse avattavasta valikosta "Säännöt solujen korostamiseksi" ja napsauta sitten valikkokohtaa "Teksti sisältää...". Näyttöön tulee valintaikkuna, johon kirjoitat ehdot.

Kun olet kirjoittanut ehdot, esimerkiksi "vakaa" - vihreä, "normaali" - keltainen ja "epävakaa" - punainen, saamme kauniin ja ymmärrettävän taulukon, josta näet, mihin kiinnittää ensin huomiota.

VBA:n käyttö STDEV.Y-funktiolle

Kaikki kiinnostuneet voivat automatisoida laskutoimituksensa makrojen avulla ja käyttää seuraavaa toimintoa:

Funktio MyStDevP(Arr) Dim x, aCnt&, aSum#, aAver#, tmp# Jokaiselle x In Arr aSum = aSum + x "laske taulukon elementtien summa aCnt = aCnt + 1 "laske elementtien lukumäärä Seuraava x aAver = aSum / aCnt "keskiarvo jokaiselle x In Arr tmp = tmp + (x - aAver) ^ 2 "laske taulukon elementtien ja keskiarvon välisen eron neliöiden summa Next x MyStDevP = Sqr(tmp / aCnt ) "laske STANDARDEV.G() loppufunktio

Funktio MyStDevP(Arr) Dim x , aCnt & , aSum #, aAver#, tmp# Jokaiselle x In Arr aSum = aSumma + x "laske taulukon elementtien summa

Tilastollisen analyysin tekeminen on mahdotonta ajatella ilman laskelmia. Tässä artikkelissa tarkastellaan varianssin, keskihajonnan, variaatiokertoimen ja muiden tilastollisten indikaattoreiden laskemista Excelissä.

Suurin ja pienin arvo

Keskimääräinen lineaarinen poikkeama

Keskimääräinen lineaarinen poikkeama on absoluuttisten (modulo) poikkeamien keskiarvo analysoidusta tietojoukosta. Matemaattinen kaava on:

a– keskimääräinen lineaarinen poikkeama,

X– analysoitu indikaattori,

X̅– indikaattorin keskiarvo,

n

Excelissä tätä funktiota kutsutaan SROTCL.

Kun olet valinnut SROTCL-funktion, ilmoitamme data-alueen, jolla laskennan tulee tapahtua. Napsauta "OK".

Dispersio

(moduuli 111)

Ehkä kaikki eivät tiedä mitä, joten selitän, se on mitta, joka luonnehtii datan leviämistä matemaattisen odotuksen ympärillä. Yleensä kuitenkin vain näyte on saatavilla, joten käytetään seuraavaa varianssikaavaa:

s 2– havaintotiedoista laskettu otosvarianssi,

X– yksilölliset arvot,

X̅– otoksen aritmeettinen keskiarvo,

n– arvojen lukumäärä analysoidussa tietojoukossa.

Vastaava Excel-funktio on DISP.G. Kun analysoidaan suhteellisen pieniä näytteitä (jopa noin 30 havaintoa), kannattaa käyttää , joka lasketaan seuraavalla kaavalla.

Ero, kuten näet, on vain nimittäjässä. Excelissä on toiminto näytteen puolueettoman varianssin laskemiseen DISP.B.

Valitse haluamasi vaihtoehto (yleinen tai valikoiva), ilmoita alue ja napsauta "OK"-painiketta. Tuloksena oleva arvo voi olla hyvin suuri johtuen poikkeamien alustavasta neliöimisestä. Dispersio tilastoissa on erittäin tärkeä indikaattori, mutta sitä ei yleensä käytetä puhtaassa muodossaan, vaan lisälaskelmiin.

Standardipoikkeama

Keskihajonta (RMS) on varianssin juuri. Tätä indikaattoria kutsutaan myös standardipoikkeamaksi ja se lasketaan kaavalla:

yleisen väestön mukaan

näytteen mukaan

Voit ottaa varianssin juuren, mutta Excelissä on valmiita funktioita keskihajonnan mittaamiseen: STDEV.G Ja STDEV.V(yleiselle ja otospopulaatiolle, vastaavasti).

Standardi ja keskihajonta, toistan, ovat synonyymejä.

Seuraavaksi, kuten tavallista, valitse haluamasi alue ja napsauta "OK". Keskihajonnalla on samat mittayksiköt kuin analysoidulla indikaattorilla, joten se on vertailukelpoinen alkuperäisen datan kanssa. Tästä lisää alla.

Variaatiokerroin

Kaikki edellä käsitellyt indikaattorit on sidottu lähdetietojen mittakaavaan, eivätkä ne anna kuvaannollista käsitystä analysoitavan populaation vaihtelusta. Käytä variaatiokerroin, joka lasketaan jakamalla keskihajonta päällä keskiverto. Variaatiokertoimen kaava on yksinkertainen:

Excelissä ei ole valmiita funktioita variaatiokertoimen laskemiseen, mikä ei ole iso ongelma. Laskelma voidaan tehdä yksinkertaisesti jakamalla keskihajonta keskiarvolla. Voit tehdä tämän kirjoittamalla kaavapalkkiin:

STANDARDIDEVIATION.G()/AVERAGE()

Tietoalue on merkitty suluissa. Käytä tarvittaessa näytteen keskihajontaa (STDEV.V).

Variaatiokerroin ilmaistaan ​​yleensä prosentteina, joten voit kehystää solun kaavalla prosenttimuodossa. Tarvittava painike sijaitsee "Home"-välilehden nauhassa:

Voit myös muuttaa muotoa valitsemalla sen pikavalikosta korostettuasi haluamasi solun ja napsauttamalla hiiren kakkospainikkeella.

Variaatiokerrointa, toisin kuin muita arvojen hajaantumisen indikaattoreita, käytetään itsenäisenä ja erittäin informatiivisena tiedon vaihtelun indikaattorina. Tilastoissa on yleisesti hyväksyttyä, että jos variaatiokerroin on alle 33%, niin tietojoukko on homogeeninen, jos yli 33%, niin se on heterogeeninen. Nämä tiedot voivat olla hyödyllisiä tietojen alustavassa karakterisoinnissa ja lisäanalyysimahdollisuuksien tunnistamisessa. Lisäksi prosentteina mitatun variaatiokertoimen avulla voit vertailla eri tietojen sirontaastetta niiden mittakaavasta ja mittayksiköistä riippumatta. Hyödyllinen omaisuus.

Värähtelykerroin

Toinen tiedon hajaantumisen indikaattori nykyään on värähtelykerroin. Tämä on vaihtelualueen (maksimi- ja minimiarvojen ero) suhde keskiarvoon. Valmiita Excel-kaavoja ei ole, joten sinun on yhdistettävä kolme funktiota: MAX, MIN, AVERAGE.

Värähtelykerroin osoittaa vaihtelun laajuuden suhteessa keskiarvoon, jota voidaan käyttää myös eri tietokokonaisuuksien vertailuun.

Yleensä Excelin avulla monet tilastolliset indikaattorit lasketaan hyvin yksinkertaisesti. Jos jokin on epäselvää, voit aina käyttää funktiolisäyksen hakukenttää. No, Google on täällä auttamassa.

Nyt ehdotan, että katsot opetusvideon.