10 gjërat që duhet të dini për statistikat për të përdorur Excel

Excel është një mjet i mrekullueshëm kur ju duhet të përdorni statistika. Nëse nuk keni qenë kurrë të ekspozuar ndaj statistikave në shkollë ose kanë kaluar një ose dy dekada që kur keni qenë, lërini këto këshilla t'ju ndihmojnë të përdorni disa nga mjetet statistikore që ofron Excel.

Statistikat përshkruese janë të drejtpërdrejta

Gjëja e parë që duhet të dini është se disa analiza statistikore dhe disa masa statistikore janë mjaft të drejtpërdrejta. Statistikat përshkruese, të cilat përfshijnë gjëra të tilla si tabelat e kryqëzuara të tabelave kryesore, si dhe disa nga funksionet statistikore, kanë kuptim edhe për dikë që nuk është edhe aq sasior.

Mesatarja ndonjëherë nuk është aq e thjeshtë

Kur dikush përdor termin mesatar, ajo që ai zakonisht i referohet është matja mesatare më e zakonshme, që është një mesatare. Të kuptuarit se termi mesatar është i pasaktë e bën më të kuptueshëm shumë nga funksionet statistikore të Excel.

Për ta bërë këtë diskutim më konkret, supozoni se po shikoni një grup të vogël vlerash: 1, 2, 3, 4 dhe 5. Siç mund ta dini, mesatarja në këtë grup të vogël vlerash është 3. Mund të llogaritni mesataren duke mbledhur së bashku të gjithë numrat në bashkësinë (1+2+3+4+5) dhe më pas duke pjesëtuar këtë shumë (15) me numrin total të vlerave në bashkësinë (5).

Vlera mesatare është vlera që ndan vlerat më të mëdha nga vlerat më të vogla. Në grupin e të dhënave 1, 2, 3, 4 dhe 5, mesatarja është 3. Vlera 3 ndan vlerat më të mëdha (4 dhe 5) nga vlerat më të vogla (1 dhe 2).

Ju nuk keni nevojë të kuptoni matje të ndryshme mesatare, por duhet të mbani mend se termi mesatar është mjaft i pasaktë.

Devijimet standarde përshkruajnë shpërndarjen

Formula për devijimin standard dhe logjika janë mjaft të lehta për t'u kuptuar.

Një devijim standard përshkruan se si vlerat në një grup të dhënash ndryshojnë rreth mesatares. Gjëja më e mirë në lidhje me matjet statistikore si një devijim standard, ju shpesh fitoni njohuri reale në karakteristikat e të dhënave që po shikoni. Një tjetër gjë është se me këto dy pjesë të të dhënave, shpesh mund të nxirrni konkluzione rreth të dhënave duke parë mostrat.

Një vëzhgim është një vëzhgim

Vëzhgimi është një nga termat që do të hasni nëse lexoni ndonjë gjë rreth statistikave. Një vëzhgim është vetëm një vëzhgim. Një mënyrë për të përcaktuar termin vëzhgim është si kjo: Kurdoherë që në fakt i caktoni një vlerë një prej ndryshoreve tuaja të rastësishme, ju krijoni një vëzhgim.

Një mostër është një nëngrup vlerash

Një mostër është një koleksion i vëzhgimeve nga një popullatë. Për shembull, nëse krijoni një grup të dhënash që regjistron temperaturën e lartë ditore në lagjen tuaj, koleksioni juaj i vogël i vëzhgimeve është një mostër.

Në krahasim, një kampion nuk është popullatë. Një popullatë përfshin të gjitha vëzhgimet e mundshme.

Statistikat konkluzionale janë të lezetshme, por të ndërlikuara

Nëse shikoni një mostër vlerash nga një popullatë dhe kampioni është përfaqësues dhe mjaft i madh, mund të nxirrni përfundime për popullatën bazuar në karakteristikat e kampionit.

Statistikat konkluzionale, edhe pse shumë të fuqishme, kanë dy cilësi që duhet të dini:

• Çështjet e saktësisë

• Kurbë e pjerrët e të mësuarit

Funksionet e shpërndarjes së probabilitetit nuk janë gjithmonë konfuze

P Funksioni i shpërndarjes robability tingëllon mjaft e ndërlikuar; por në fakt mund të kuptoni në mënyrë intuitive se çfarë është funksioni i shpërndarjes së probabilitetit me disa shembuj të dobishëm.

Një shpërndarje e zakonshme për të cilën dëgjoni në klasat e statistikave, për shembull, është një shpërndarje T. Një shpërndarje T është në thelb një shpërndarje normale me përjashtim të bishtave më të rëndë dhe më të trashë.

Një funksion i zakonshëm i shpërndarjes së probabilitetit është një shpërndarje uniforme. Në një shpërndarje uniforme, çdo ngjarje ka të njëjtën probabilitet të ndodhjes. Gjëja unike në lidhje me këtë shpërndarje është se gjithçka është në nivel mjaft të tmerrshëm.

Një lloj tjetër i zakonshëm i funksionit të shpërndarjes së probabilitetit është shpërndarja normale, e njohur gjithashtu si një kurbë zile ose një shpërndarje Gaussian.

Një shpërndarje normale ndodh natyrshëm në shumë situata. Për shembull, koeficientët e inteligjencës (IQ) shpërndahen normalisht.

Parametrat nuk janë aq të komplikuar

Një parametër është një hyrje në funksionin e shpërndarjes së probabilitetit. Me fjalë të tjera, formula ose funksioni ose ekuacioni që përshkruan një kurbë të shpërndarjes së probabilitetit ka nevojë për inpute. Në statistika, këto inpute quhen parametra.

Disa funksione të shpërndarjes së probabilitetit kanë nevojë vetëm për një parametër të thjeshtë. Për shembull, për të punuar me një shpërndarje uniforme, gjithçka që ju nevojitet është numri i vlerave në grupin e të dhënave. Për shembull, një vegël me gjashtë anë ka vetëm gjashtë mundësi.

Skewness dhe kurtosis përshkruajnë formën e një shpërndarje probabiliteti

Disa terma të tjerë të dobishëm statistikor për t'u ditur janë anshmëria dhe kurtoza. Skewness përcakton mungesën e simetrisë në një shpërndarje probabiliteti. Në një shpërndarje krejtësisht simetrike, si shpërndarja normale, anshmëria është e barabartë me zero. Megjithatë, nëse një shpërndarje probabiliteti anon djathtas ose majtas, anshmëria është e barabartë me një vlerë tjetër nga zero dhe vlera përcakton mungesën e simetrisë.

Kurtosis përcakton peshën e bishtave në një shpërndarje. Në një shpërndarje normale, kurtoza është e barabartë me zero. Bishti është ajo që arrin në të majtë apo të djathtë. Megjithatë, nëse një bisht në një shpërndarje është më i rëndë se një shpërndarje normale, kurtoza është një numër pozitiv. Nëse bishtat në një shpërndarje janë më të dobët se në një shpërndarje normale, kurtoza është një numër negativ.

Intervalet e besimit në fillim duken të ndërlikuara, por janë të dobishme

Probabilitetet shpesh i ngatërrojnë njerëzit. Një gjë e rëndësishme për të kuptuar në lidhje me nivelet e besimit është se ato janë të lidhura me marzhin e gabimit.

Një tjetër gjë e rëndësishme për të kuptuar në lidhje me nivelet e besimit është se sa më e madhe të bëni madhësinë e kampionit tuaj, aq më i vogël do të jetë marzhi juaj i gabimit duke përdorur të njëjtin nivel besimi.

Si vetëm një shembull, le të themi se keni pasur disa të dhëna Google Analytics në dy reklama të ndryshme në internet që po përdorni për të promovuar biznesin tuaj të vogël dhe dëshironi të dini se cila reklamë është më efektive. Ju mund të përdorni formulën e intervalit të besimit për të kuptuar se sa kohë duhet të shfaqen reklamat tuaja përpara se Google të mbledhë të dhëna të mjaftueshme që ju të dini se cila reklamë është vërtet më e mirë.