10 đIều Bạn nên biết về Thống kê để sử dụng Excel - những con vú

Excel là một công cụ tuyệt vời khi bạn cần sử dụng số liệu thống kê. Nếu bạn chưa bao giờ được tiếp xúc với số liệu thống kê trong trường học hoặc đã được một thập kỷ hoặc hai kể từ khi bạn được, hãy để những lời khuyên này giúp bạn sử dụng một số công cụ thống kê mà Excel cung cấp.

Các số liệu thống kê mô tả đơn giản

Điều đầu tiên bạn cần biết là một số phân tích thống kê và một số phép đo thống kê khá dể dàng. Thống kê mô tả, bao gồm những thứ như bảng chéo bảng chéo, cũng như một số chức năng thống kê, có ý nghĩa ngay cả đối với những người không phải là tất cả về định lượng.

Trung bình không phải là đơn giản đôi khi

Khi ai đó sử dụng từ trung bình, mức mà ông thường sử dụng là mức trung bình phổ biến nhất, nghĩa là. Hiểu rằng thuật ngữ trung bình là không chính xác làm cho nhiều chức năng thống kê của Excel trở nên dễ hiểu hơn.

Để làm cho cuộc thảo luận này trở nên cụ thể hơn, giả sử rằng bạn đang xem một tập các giá trị nhỏ: 1, 2, 3, 4 và 5. Như bạn đã biết, ý nghĩa trong tập hợp các giá trị nhỏ này là 3. Bạn có thể tính giá trị trung bình bằng cách cộng tất cả các số trong tập (1 + 2 + 3 + 4 + 5) và chia tổng này (15) cho tổng số các giá trị trong tập (5).

Giá trị trung vị là giá trị chia tách các giá trị lớn nhất từ ​​các giá trị nhỏ nhất. Trong tập dữ liệu 1, 2, 3, 4, và 5, trung vị là 3. Giá trị 3 tách giá trị lớn nhất (4 và 5) khỏi các giá trị nhỏ nhất (1 và 2). Bạn không cần phải hiểu các phép đo trung bình khác nhau, nhưng bạn nên nhớ rằng thuật ngữ

trung bình là không chính xác. Độ lệch chuẩn mô tả phân tán

Công thức cho độ lệch tiêu chuẩn và logic là khá dễ hiểu.

Độ lệch chuẩn

mô tả cách các giá trị trong một bộ dữ liệu thay đổi theo mức trung bình. Điều gọn trong các phép đo thống kê như độ lệch tiêu chuẩn, bạn thường có được thông tin chi tiết về các đặc điểm của dữ liệu bạn đang tìm kiếm. Một điều nữa là với hai bit dữ liệu này, bạn thường có thể rút ra suy luận về dữ liệu bằng cách xem các mẫu. Quan sát là quan sát

Quan sát

là một trong những thuật ngữ mà bạn sẽ gặp phải nếu bạn đọc bất cứ điều gì về thống kê. Quan sát chỉ là một quan sát. Một cách để xác định quan sát từ là như sau: Bất cứ khi nào bạn thực sự gán giá trị cho một trong các biến ngẫu nhiên của mình, bạn tạo một quan sát. Một mẫu là một tập con của các giá trị

Một

mẫu là một tập hợp các quan sát từ một quần thể. Ví dụ: nếu bạn tạo bộ dữ liệu ghi lại nhiệt độ cao hàng ngày trong khu phố của mình, bộ sưu tập nhỏ các quan sát của bạn là một mẫu. Để so sánh, mẫu không phải là quần thể. Dân số

bao gồm tất cả các quan sát có thể xảy ra. Thống kê suy diễn là mát mẻ nhưng phức tạp

Nếu bạn nhìn vào một mẫu các giá trị từ một quần thể và mẫu đại diện và đủ lớn, bạn có thể rút ra kết luận về dân số dựa trên các đặc tính của mẫu.

Các số liệu thống kê ẩn dụ, mặc dù rất mạnh, có hai phẩm chất mà bạn cần biết:

Các vấn đề chính xác

• Đường cong học tập dốc>

• Các chức năng phân phối xác suất không phải lúc nào cũng gây nhầm lẫn

P

chức năng âm thanh khá khôn lanh; nhưng bạn thực sự có thể hiểu được trực giác những gì một chức năng phân phối xác suất là với một vài ví dụ hữu ích. Một phân phối chung mà bạn nghe về trong các lớp thống kê, ví dụ, là phân phối T. Sự phân phối

T về cơ bản là sự phân bố bình thường ngoại trừ đuôi nặng hơn, béo hơn. Một hàm phân bố xác suất phổ biến là sự phân bố đồng đều. Trong phân bố thống nhất, mỗi sự kiện có cùng một xác suất xuất hiện. Điều duy nhất về phân phối này là tất cả mọi thứ là khá darn cấp. Một loại phổ biến khác của chức năng phân phối xác suất là

phân bố chuẩn, còn được gọi là đường chuông hoặc phân phối Gaussian. Sự phân bố bình thường xảy ra tự nhiên trong nhiều tình huống. Ví dụ, chỉ số thông minh (IQs) được phân phối bình thường. Tham số không quá phức tạp

Thông số

là đầu vào cho hàm phân bố xác suất. Nói cách khác, công thức hoặc chức năng hoặc phương trình mô tả một đường phân phối xác suất cần các đầu vào. Trong thống kê, những đầu vào được gọi là các tham số. Một số chức năng phân phối xác suất chỉ cần một tham số đơn giản. Ví dụ: để làm việc với phân bố đồng nhất, tất cả những gì bạn thực sự cần là số lượng các giá trị trong tập dữ liệu. Chẳng hạn, một cái chết sáu mặt chỉ có sáu khả năng. Độ cong và kurtosis mô tả hình dạng phân bố xác suất

Một vài thuật ngữ thống kê hữu ích khác cần biết là độ nghiêng và kurtosis.

Độ nghiêng

định lượng sự thiếu đối xứng trong phân bố xác suất. Trong một phân bố hoàn hảo đối xứng, như sự phân bố bình thường, độ nghiêng bằng không. Nếu sự phân bố xác suất dựa vào bên phải hoặc bên trái, độ lệch tương đương một số giá trị khác với số không, và giá trị định lượng cho sự thiếu đối xứng. Kurtosis định lượng sự nặng nề của đuôi trong một phân bố. Trong một phân bố bình thường, kurtosis bằng không. Con đuôi

đuôi là vật cản tới trái hoặc phải. Tuy nhiên, nếu đuôi trong một phân bố nặng hơn phân bố bình thường, kurtosis là một số dương.Nếu đuôi trong một phân bố là skinnier hơn trong một phân phối bình thường, kurtosis là một số âm. Khoảng tin cậy dường như phức tạp lúc đầu, nhưng có ích Sự cố thường làm cho người ta lẫn lộn. Một điều quan trọng để hiểu về mức độ tin cậy là chúng được liên kết với lề của lỗi.

Một điều quan trọng khác cần hiểu về mức độ tin cậy là bạn càng lớn cỡ mẫu của bạn, thì biên giới nhỏ hơn của bạn sẽ sử dụng cùng mức độ tin cậy.

Chỉ là một ví dụ, giả sử bạn có một số dữ liệu Google Analytics trên hai quảng cáo web khác nhau mà bạn đang chạy để quảng bá doanh nghiệp nhỏ của mình và bạn muốn biết quảng cáo nào hiệu quả hơn. Bạn có thể sử dụng công thức khoảng tin cậy để tìm ra thời gian quảng cáo của bạn cần chạy trước khi Google thu thập đủ dữ liệu để bạn biết được quảng cáo nào thực sự tốt hơn.