Оглавление:
- Описательная статистика проста
- Средние значения не так просто иногда
- Стандартные отклонения описывают дисперсию
- Наблюдение - это наблюдение
- Образец представляет собой подмножество значений
- Приличная статистика классная, но сложная
- Функции распределения вероятности не всегда путают
- Параметр
- Несколько других полезных статистических терминов, которые нужно знать, - это асимметрия и эксцесс.
- Вероятности часто путают людей. Важно понимать уровни уверенности в том, что они связаны с пределом ошибки.
Видео: 15 Лучших трюков в Excel 2024
Excel - замечательный инструмент, когда вам нужно использовать статистику. Если вы никогда не подвергались статистике в школе или прошло уже десять или два с тех пор, как вы были, позвольте этим советам помочь вам использовать некоторые статистические инструменты, которые предоставляет Excel.
Описательная статистика проста
Первое, что вы должны знать, это то, что некоторый статистический анализ и некоторые статистические меры довольно просты. Описательная статистика, которая включает в себя такие вещи, как кросс-таблицы таблиц сводной таблицы, а также некоторые статистические функции, имеет смысл даже для тех, кто не является таким количественным.
Средние значения не так просто иногда
Когда кто-то использует термин средний, то, что он обычно ссылается, является наиболее распространенным средним измерением, которое составляет имею в виду. Понимая, что термин средний является неточным, делает большую часть статистической функциональности Excel более понятной.
Чтобы сделать это обсуждение более конкретным, предположите, что вы смотрите на небольшой набор значений: 1, 2, 3, 4 и 5. Как вы знаете, среднее значение в этом небольшом наборе значений равно 3. Вы можете вычислить среднее значение, собирая все числа в наборе (1 + 2 + 3 + 4 + 5), а затем разделив эту сумму (15) на общее число значений в наборе (5).
Среднее значение - это значение, которое отделяет наибольшие значения от наименьших значений. В наборах данных 1, 2, 3, 4 и 5 медиана равна 3. Значение 3 отделяет наибольшие значения (4 и 5) от наименьших значений (1 и 2).
Вам не нужно понимать разные средние измерения, но вы должны помнить, что термин средний довольно неточен.
Стандартные отклонения описывают дисперсию
Формула стандартного отклонения и логика довольно легко понять.
Стандартное отклонение описывает, как значения в наборе данных изменяются вокруг среднего значения. Оптимальная информация о статистических показателях, таких как стандартное отклонение, часто дает представление о характеристиках данных, на которые вы смотрите. Другое дело, что с этими двумя битами данных вы можете часто делать выводы о данных, просматривая образцы.
Наблюдение - это наблюдение
Наблюдение - одно из условий, с которыми вы столкнетесь, если будете читать что-либо о статистике. Наблюдение - это просто наблюдение. Один из способов определения термина «наблюдение» выглядит так: когда вы фактически присваиваете значение одной из ваших случайных величин, вы создаете наблюдение.
Образец представляет собой подмножество значений
A образец представляет собой набор наблюдений из популяции. Например, если вы создаете набор данных, который регистрирует ежедневную высокую температуру в вашем районе, ваша небольшая коллекция наблюдений является образцом.
Для сравнения, выборка не является совокупностью. A население включает все возможные наблюдения.
Приличная статистика классная, но сложная
Если вы посмотрите на образец значений из популяции, и образец является представительным и достаточно большим, вы можете сделать выводы о популяции на основе характеристик образца.
Потенциальная статистика, хотя и очень мощная, обладает двумя качествами, которые вам нужно знать:
-
Вопросы точности
-
Крутая кривая обучения
Функции распределения вероятности не всегда путают
P> распределение гибкости Функция звучит довольно сложно; но вы действительно можете интуитивно понять, что такое функция распределения вероятности с несколькими полезными примерами. Одно распространенное распределение, которое вы слышите в классах статистики, например, является распределением T. Распределение A
T по существу является нормальным распределением, за исключением более тяжелых, более плотных хвостов. Одна общая функция распределения вероятностей является равномерным распределением. В
равномерном распределении каждое событие имеет ту же вероятность появления. Уникальная вещь в этом дистрибутиве заключается в том, что все довольно чертовски. Другим распространенным типом функции распределения вероятности является нормальное распределение
, , также известное как колоколовая кривая или распределение Гаусса. Во многих ситуациях естественное распределение происходит естественным образом. Например, интеллектуальные коэффициенты (IQ) распределяются нормально.
Параметры не так сложны
Параметр
- это вход для функции распределения вероятности. Другими словами, формула или функция или уравнение, описывающее кривую распределения вероятности, требуют ввода. В статистике эти входы называются параметрами. Для некоторых функций распределения вероятностей требуется только один простой параметр. Например, для работы с равномерным распределением все, что вам действительно нужно, это количество значений в наборе данных. Например, шестисторонний штамп имеет только шесть возможностей.
Обман и эксцесс описывают форму распределения вероятности
Несколько других полезных статистических терминов, которые нужно знать, - это асимметрия и эксцесс.
Подкожность определяет отсутствие симметрии в распределении вероятностей. В абсолютно симметричном распределении, таком как нормальное распределение, асимметрия равна нулю. Однако, если распределение вероятности левеет вправо или влево, то асимметрия равна некоторому значению, отличному от нуля, и значение количественно определяет отсутствие симметрии. Kurtosis
количественно определяет тяжесть хвостов в распределении. При нормальном распределении эксцесс равен нулю. хвост - это то, что тянется влево или вправо. Однако, если хвост в распределении тяжелее нормального распределения, эксцесс - это положительное число.Если хвосты в распределении более тощие, чем в нормальном распределении, эксцесс является отрицательным числом. Доверительные интервалы сначала кажутся сложными, но полезны
Вероятности часто путают людей. Важно понимать уровни уверенности в том, что они связаны с пределом ошибки.
Еще одна важная вещь, которую нужно понимать по уровням доверия, заключается в том, что чем больше вы делаете свой размер выборки, тем меньше ваша погрешность будет использовать тот же уровень уверенности.
Как один пример, скажем, что у вас есть данные Google Analytics по двум различным веб-объявлениям, которые вы используете для продвижения своего малого бизнеса, и вы хотите узнать, какое из них более эффективно. Вы можете использовать формулу доверительного интервала, чтобы выяснить, как долго ваши объявления должны запускаться до того, как Google соберет достаточно данных, чтобы вы знали, какое объявление действительно лучше.
