10 Coisas que você deve saber sobre as estatísticas de usar o excel

Excel é uma ferramenta maravilhosa quando você precisa usar estatísticas. Se você nunca foi exposta a estatísticas na escola ou tem sido uma ou duas décadas desde que você era, deixar que essas dicas ajudá-lo a usar algumas das ferramentas estatísticas que o Excel fornece.

As estatísticas descritivas são simples

A primeira coisa que você deve saber é que alguns análise estatística e algumas medidas estatísticas são muito danado simples. estatística descritiva, que incluem coisas tais como a tabela pivot tabulações cruzadas, bem como algumas das funções estatísticas, faz sentido, mesmo para alguém que não é tudo o que quantitativa.

Médias não são tão simples, por vezes,

Quando alguém usa o termo média, o que ele normalmente se refere é a medição média mais comum, que é um significar. Entendendo que o termo média é imprecisa faz a maioria das funcionalidades estatística do Excel mais compreensível.

Para fazer essa discussão mais concreta, suponha que você está olhando para um pequeno conjunto de valores: 1, 2, 3, 4 e 5. Como você poderia saber, a média neste pequeno conjunto de valores é 3. Você pode calcular a média adicionando juntos todos os números no conjunto (1 + 2 + 3 + 4 + 5) e, em seguida, dividindo esta soma (15), pelo número total de valores no conjunto (5).

o valor mediano é o valor que separa os maiores valores dos menores valores. No conjunto de dados 1, 2, 3, 4, e 5, a média é de 3. O valor de 3 separa os maiores valores (4 e 5) a partir dos valores menores (1 e 2).

Você não precisa entender diferentes medições médias, mas você deve se lembrar que o termo média é bastante imprecisa.

Os desvios padrão descrevem dispersão

A fórmula para o desvio padrão ea lógica são bastante fáceis de entender.

UMA desvio padrão descreve como os valores em um conjunto de dados variam em volta da média. A coisa interessante sobre medidas estatísticas como um desvio padrão, muitas vezes você obter insights reais para as características dos dados que você está olhando. Outra coisa é que com estes dois bits de dados, muitas vezes você pode fazer inferências sobre dados por olhar para amostras.

Uma observação é uma observação

Observação é um dos termos que você vai encontrar se você leu alguma coisa sobre estatísticas. Uma observação é apenas uma observação. Uma maneira de definir a observação prazo é assim: Sempre que você realmente atribuir um valor a uma das suas variáveis ​​aleatórias, você cria uma observação.

Uma amostra é um subconjunto de valores

UMA amostra é um conjunto de observações de uma população. Por exemplo, se você criar um conjunto de dados que registra a temperatura alta diária no seu bairro, sua pequena coleção de observações é uma amostra.

Em comparação, uma amostra não é uma população. UMA população inclui todos os possíveis observações.

estatística inferencial são legais, mas complicado

Se você olhar para uma amostra de valores de uma população e a amostra é representativa e grande o suficiente, você pode tirar conclusões sobre a população com base em características da amostra.

Video: PROCV (sem complicação)

estatística inferencial, embora muito poderoso, possuem duas qualidades que você precisa saber:

• problemas de precisão

• 
  
  
  

  curva de aprendizagem

funções de distribuição de probabilidade não são sempre confundindo

Pfunção de distribuição robability soa bastante tricky- mas você pode realmente compreender intuitivamente o que é uma função de distribuição de probabilidade é com um par de exemplos úteis.

Uma distribuição comum que você ouve falar em aulas de estatísticas, por exemplo, é uma distribuição t. UMA distribuição T é, essencialmente, uma distribuição normal, excepto com caudas mais pesadas, mais gordos.

Uma função de distribuição de probabilidade comum é uma distribuição uniforme. Em um distribuição uniforme, cada evento tem a mesma probabilidade de ocorrência. A única coisa sobre esta distribuição é que tudo é nível danado bonito.

Outro tipo comum de função de distribuição de probabilidade é a distribuição normal, também conhecido como um curva de sino ou um distribuição de Gauss.

A distribuição normal ocorre naturalmente em muitas situações. Por exemplo, os quocientes de inteligência (IQS) estão distribuídos normalmente.

Parâmetros não são tão complicado

UMA parâmetro é uma entrada para a função de distribuição de probabilidade. Em outras palavras, a fórmula ou função ou equação que descreve uma curva de distribuição de probabilidade precisa de entradas. Em estatística, essas entradas são chamados parâmetros.

Algumas funções de distribuição de probabilidade só precisa de um único parâmetro simples. Por exemplo, para trabalhar com uma distribuição uniforme, tudo que você realmente precisa é o número de valores no conjunto de dados. Um dado de seis lados, por exemplo, tem apenas seis possibilidades.

Assimetria e curtose descrever a forma de uma distribuição de probabilidade

Um par de outros termos estatísticos úteis para saber são assimetria e curtose. assimetria quantifica a falta de simetria de uma distribuição de probabilidade. Em uma distribuição perfeitamente simétrica, como a distribuição normal, a assimetria é igual a zero. Se uma distribuição de probabilidade se inclina para a direita ou a esquerda, no entanto, a inclinação é igual a algum valor diferente de zero, eo valor quantifica a falta de simetria.

curtose quantifica o peso das caudas de uma distribuição. Em uma distribuição normal, kurtosis igual a zero. o rabo é a coisa que se estende para a esquerda ou direita. No entanto, se uma cauda em uma distribuição é mais pesado do que uma distribuição normal, a curtose é um número positivo. Se as caudas de uma distribuição são magro do que em uma distribuição normal, a curtose é um número negativo.

intervalos de confiança parecer complicado no início, mas são úteis

Probabilidades muitas vezes confundem as pessoas. Uma coisa importante a entender sobre os níveis de confiança é que eles estão ligados com a margem de erro.

Video: Curso Excel #16 - Funções estatísticas - Módulo Básico

Outra coisa importante a entender sobre os níveis de confiança é que a maior você fazer o seu tamanho da amostra, menor a sua margem de erro estará usando o mesmo nível de confiança.

Como apenas um exemplo, digamos que você tinha alguns dados do Google Analytics em dois anúncios na web diferentes que você está correndo para promover o seu pequeno negócio, e você quer saber qual anúncio é mais eficaz. Você pode usar a fórmula intervalo de confiança para descobrir quanto tempo seus anúncios precisa correr antes que os dados recolhidos suficiente do Google para você saber que o anúncio é realmente melhor.