10 речей, які ви повинні знати про статистику, щоб використовувати Excel

Excel — чудовий інструмент, коли вам потрібно використовувати статистику. Якщо ви ніколи не стикалися зі статистикою в школі або минуло десятиліття чи два відтоді, нехай ці поради допоможуть вам використовувати деякі статистичні інструменти, які надає Excel.

Описова статистика проста

Перше, що ви повинні знати, це те, що деякі статистичні аналізи та деякі статистичні показники дуже прості. Описова статистика, яка включає такі речі, як перехресні таблиці зведеної таблиці, а також деякі статистичні функції, має сенс навіть для тих, хто не настільки кількісний.

Середні значення іноді не так просто

Коли хтось використовує термін середнє, він зазвичай посилається на найпоширеніший середній вимір, який є середнім. Розуміння того, що термін середній є неточним, робить більшу частину статистичної функціональності Excel більш зрозумілою.

Щоб зробити це обговорення більш конкретним, припустимо, що ви дивитеся на невеликий набір значень: 1, 2, 3, 4 і 5. Як ви знаєте, середнє в цьому невеликому наборі значень дорівнює 3. Ви можете обчислити середнє, додавши всі числа в наборі (1+2+3+4+5), а потім розділивши цю суму (15) на загальну кількість значень у наборі (5).

Медіанне значення є значенням , яке відокремлює найбільші значення від самих маленьких значень. У наборі даних 1, 2, 3, 4 і 5 медіана дорівнює 3. Значення 3 відокремлює найбільші значення (4 і 5) від найменших значень (1 і 2).

Вам не потрібно розуміти різні середні вимірювання, але ви повинні пам’ятати, що термін середній є досить неточним.

Стандартні відхилення описують дисперсію

Формулу для стандартного відхилення і логіку досить легко зрозуміти.

Стандартне відхилення описує , як значення в наборі даних змінюються навколо середнього значення. Чудова річ у статистичних показниках, як-от стандартне відхилення, ви часто отримуєте реальне уявлення про характеристики даних, які ви переглядаєте. Інша справа, що з цими двома бітами даних ви часто можете робити висновки про дані, дивлячись на зразки.

Спостереження є спостереження

Спостереження — це один із термінів, з якими ви зіткнетеся, якщо читаєте щось про статистику. Спостереження – це просто спостереження. Один із способів визначення терміна спостереження виглядає наступним чином: коли ви насправді призначаєте значення одній зі своїх випадкових змінних, ви створюєте спостереження.

Зразок — це підмножина значень

Зразок являє собою сукупність спостережень з населенням. Наприклад, якщо ви створюєте набір даних, який фіксує добову високу температуру у вашому районі, ваша невелика колекція спостережень стане зразком.

Для порівняння, вибірка не є сукупністю. Населення включає в себе всі можливі зауваження.

Статистика висновків крута, але складна

Якщо ви подивитеся на вибірку значень із сукупності, і вибірка є репрезентативною та достатньо великою, ви можете зробити висновки про сукупність на основі характеристик вибірки.

Висновок статистики, хоча і дуже потужний, володіє двома якостями, які вам потрібно знати:

• Проблеми з точністю

• Крута крива навчання

Функції розподілу ймовірностей не завжди заплутують

Функція розподілу ймовірності P звучить досить складно; але ви можете інтуїтивно зрозуміти, що таке функція розподілу ймовірностей, за допомогою кількох корисних прикладів.

Наприклад, одним поширеним розподілом, про який ви чуєте в класах статистики, є розподіл T. Розподіл Т є по суті нормальним розподілом , окрім як з більш важкими, товщі хвостами.

Однією з поширених функцій розподілу ймовірностей є рівномірний розподіл. При рівномірному розподілі кожна подія має однакову ймовірність настання. Унікальна особливість цього дистрибутива полягає в тому, що все на досить високому рівні.

Іншим поширеним типом функції розподілу ймовірностей є нормальний розподіл, також відомий як крива дзвіночка або гаусівський розподіл.

Нормальний розподіл відбувається природним чином у багатьох ситуаціях. Наприклад, коефіцієнти інтелекту (IQ) розподіляються нормально.

Параметри не такі вже й складні

Параметр є вхідним сигналом для функції розподілу ймовірностей. Іншими словами, формула, функція чи рівняння, що описують криву розподілу ймовірностей, потребують вхідних даних. У статистиці ці вхідні дані називаються параметрами.

Деякі функції розподілу ймовірностей потребують лише одного простого параметра. Наприклад, для роботи з рівномірним розподілом все, що вам насправді потрібно, це кількість значень у наборі даних. Наприклад, шестигранний кубик має лише шість можливостей.

Перекос і ексцес описують форму розподілу ймовірностей

Кілька інших корисних статистичних термінів, які слід знати, — це асигнування та ексцес. Асимізація кількісно визначає відсутність симетрії в розподілі ймовірностей. У ідеально симетричному розподілі, як і при нормальному розподілі, асимметрия дорівнює нулю. Однак, якщо розподіл ймовірностей нахиляється вправо або вліво, асигнування дорівнює деякому значенню, відмінному від нуля, і це значення кількісно визначає відсутність симетрії.

Куртоз кількісно визначає тяжкість хвостів у розподілі. При нормальному розподілі ексцес дорівнює нулю. Хвіст річ , яка тягнеться вліво або вправо. Однак, якщо хвіст у розподілі важчий за нормальний розподіл, ексцес є додатним числом. Якщо хвости в розподілі худіші, ніж у нормальному розподілі, ексцес є від’ємним числом.

Довірчі інтервали спочатку здаються складними, але корисні

Ймовірності часто збивають людей з пантелику. Важливо розуміти рівні впевненості, що вони пов’язані з похибкою.

Ще одна важлива річ, яку слід розуміти про рівні довіри, полягає в тому, що чим більше ви зробите вибірку, тим меншою буде ваша похибка, якщо використовувати той самий рівень довіри.

Наприклад, у вас є дані Google Analytics щодо двох різних веб-оголошень, які ви використовуєте для просування свого малого бізнесу, і ви хочете знати, яке оголошення є ефективнішим. Ви можете використовувати формулу довірчого інтервалу, щоб з’ясувати, скільки часу потрібно для показу ваших оголошень, перш ніж Google збере достатньо даних, щоб ви могли знати, яка реклама дійсно краща.