Excel'in Kullanılacak İstatistikler Hakkında Bilmeniz Gereken 10 şey - mankenler

İstatistik kullanmanız gerektiğinde Excel harika bir araçtır. Okulda hiç istatistiklere maruz kalmadıysanız ya da bulunduğunuzdan on ya da ikidir, bu ipuçlarının Excel'in sağladığı istatistiksel araçlardan bazılarını kullanmanıza yardımcı olmasına izin verin.

Betimleyici istatistikler basittir

Bilmeniz gereken ilk şey, bazı istatistiksel analizlerin ve bazı istatistiksel önlemlerin açıkça anlaşılabilmesidir. Pivot tablo çapraz çizelgelerinin yanı sıra istatistiksel işlevlerin bazılarını içeren açıklayıcı istatistikler, nicel olarak nitelendirilmeyen birileri bile mantıklı olur.

Ortalamalar bazen o kadar basit değildir

Birisi ortalama terimini kullandığında, genellikle , en yaygın ortalama ölçümüdür, bu bir anlamına gelmek. Ortalama teriminin yanlış olduğunu anlamak, Excel'in istatistiksel işlevselliğini daha anlaşılır kılmaktadır. Bu tartışmayı daha somut hale getirmek için, küçük bir değer grubuna baktığınızı varsayın: 1, 2, 3, 4 ve 5. Bildiğiniz gibi, bu küçük değerler grubundaki ortalama 3'tür. Kümedeki tüm sayıları (1 + 2 + 3 + 4 + 5) ekleyerek ve daha sonra bu toplamı (15) kümedeki toplam sayı sayısı (5) ile bölerek ortalaması hesaplayabilirsiniz.

medyan değeri , en büyük değerleri en küçük değerlerden ayıran değerdir. Veri seti 1, 2, 3, 4 ve 5'de ortanca 3'tür. 3 en büyük değerleri (4 ve 5) en küçük değerlerden (1 ve 2) ayırır. Farklı ortalama ölçümleri anlamanıza gerek yoktur, ancak ortalama

teriminin teriminin oldukça net olmadığını unutmamalısınız. Standart sapmalar dağılımı tanımlar

Standart sapma ve mantık formülü oldukça anlaşılır.

Bir

standart sapma , bir veri kümesindeki değerlerin ortalama etrafında nasıl değiştiğini açıklar. Standart sapma gibi istatistiksel önlemlerle ilgili düzgün olan şey, aradığınız verilerin özellikleriyle ilgili gerçek bilgiler sağlar. Bir diğer şey ise, bu iki bit veri ile, örneklere bakarak verilerle ilgili çıkarımlar yapabilirsiniz. Gözlem, gözlemdir

Gözlem

, istatistikler hakkında bir şey okuduğunuzda karşılaşacağınız terimlerden biridir. Gözlem sadece bir gözlem. Gözlem terimini tanımlamanın bir yolu şudur: Rasgele değişkenlerinizden birine gerçekte bir değer atadığınızda bir gözlem oluşturursunuz. Bir örnek,

A

örneği değerlerinin bir alt kümesidir ve bir popülasyondan gelen gözlemlerin bir toplamıdır. Örneğin, çevrenizdeki günlük yüksek sıcaklıkları kaydeden bir veri seti oluşturursanız, gözlemlerinizin küçük koleksiyonu bir örnektir. Buna kıyasla, bir örnek nüfus değildir.

nüfusu olası tüm gözlemleri içermektedir. Çıkarsama istatistikleri serin fakat karmaşıktır.

Bir popülasyondan bir değer örneğine bakarsanız ve örnek yeterince temsil edici ve yeterliyse, örneklemin özelliklerine dayalı nüfus hakkında sonuçlar çıkarabilirsiniz.

Çıkarsama istatistikleri, çok güçlü olmasına rağmen, bilmeniz gereken iki özelliğe sahiptir:

Doğruluk sorunları

• Dik öğrenme eğrisi

• Olasılık dağılım işlevleri her zaman kafa karıştırıcı değildir

P

sağlamlık dağılımı işlevi oldukça zor sesler; fakat gerçekte birkaç olası örnekle bir olasılık dağılım fonksiyonunun ne olduğunu sezgisel olarak anlayabilirsiniz. Örneğin, istatistik sınıflarında duyduğunuz yaygın bir dağıtım, bir T dağılımıdır.

T dağılımı , esas olarak, daha ağır, daha sıkı kuyruklar dışında normal dağılımdır. Bir ortak olasılık dağılım işlevi tekbiçimli bir dağılımdır.

üniforma dağılımında, her olay aynı oluşma olasılığına sahiptir. Bu dağıtımdaki benzersiz şey, her şeyin çok hoşnut olduğudur. Olasılık dağılım fonksiyonunun bir diğer yaygın türü,

normal dağılım, da çan eğrisi veya Gauss dağılımı olarak bilinir. Normal bir dağılım birçok durumda doğal olarak oluşur. Örneğin, istihbarat bölgeleri (IQ) normal olarak dağıtılır.

Parametreler çok karmaşık değildir

parametresi olasılık dağılım fonksiyonuna bir giriştir. Başka bir deyişle, olasılık dağılım eğrisini tanımlayan formül veya fonksiyon veya denklem girdileri gerektirir. İstatistikte bu girdilere parametreler denir. Bazı olasılık dağılım işlevleri yalnızca tek bir basit parametreye ihtiyaç duyar. Örneğin, tekdüze bir dağıtım ile çalışmak için, gerçekten ihtiyacınız olan şey veri kümesindeki değerlerin sayısıdır. Örneğin altı taraflı bir kalıp altı olasılığa sahiptir.

Çarpıklık ve kurtoz, bir olasılık dağılımının şeklini tanımlar

Bilmesi gereken diğer kullanışlı istatistiksel terimlerin bazıları çarpıklık ve kurtozdur.

Eğim , olasılık dağılımında simetri eksikliğini nicelleştirir. Normal dağılım gibi mükemmel simetrik bir dağılımda, çarpıklık sıfıra eşittir. Bununla birlikte, bir olasılık dağılımı sağa ya da sola yaslanırsa, çarpıklık sıfırdan farklı bir değere eşittir ve bu değer simetriğin eksikliğini nicelendirir. Kurtoz

dağılımdaki kuyrukların ağırlığını ölçer. Normal dağılımda kurtoz sıfıra eşittir. Kuyruğu sola veya sağa uzanan şeydir. Bununla birlikte, bir dağıtımdaki bir kuyruk normal dağılımdan daha ağırsa, kurtozis pozitif bir sayıdır.Bir dağılımdaki kuyruklar normal dağılıma göre daha pürüzsüzse, kurtoz negatif bir sayıdır. Güven aralıkları ilk bakışta karmaşık görünür, ancak kullanışlıdır. Olasılıklar genellikle insanları karıştırmaktadır. Güven seviyeleri hakkında anlaşılması gereken önemli bir nokta, hata payıyla bağlantılı olmasıdır.

Güven seviyeleri hakkında anlaşılması gereken bir diğer önemli şey, örneklem büyüklüğünüz ne kadar büyük olursa, hata marjınız da aynı güven seviyesini kullanacaktır.

Sadece bir örnek olarak, küçük işletmenizi tanıtmak için yayınladığınız iki farklı web reklamı üzerinde bazı Google Analytics verileri bulunduğunuzu ve hangi reklamın daha etkili olduğunu bilmek istediğinizi varsayalım. Güven aralığı formülünü kullanarak, Google'ın hangi reklamın gerçekten daha iyi olduğunu bilmenize yetecek kadar veri toplanmadan önce reklamlarınızın ne kadar süre çalışması gerektiğini hesaplayabilirsiniz.