A variációs együttható két véletlenszerűen vett érték diszperziójának összehasonlítása. Az értékek egységeket tartalmaznak, ami összehasonlítható eredményt ad. Ez az együttható a statisztikai elemzés elkészítéséhez szükséges.

Lehetővé teszi a befektetők számára kockázati mutatók kiszámítása mielőtt hozzájárul a kiválasztott eszközökhöz. Akkor hasznos, ha a kiválasztott eszközök eltérő megtérüléssel és kockázattal rendelkeznek. Például lehet, hogy az egyik eszköznek magas a bevétele és a kockázati foka is magas, míg egy másiknak éppen ellenkezőleg, alacsony a bevétele, és ennek megfelelően alacsonyabb a kockázat mértéke is.

Szórás számítás

A szórás statisztika. Ennek az értéknek a kiszámításával a felhasználó információt kap arról, hogy az adatok mennyivel térnek el egyik vagy másik irányba az átlagos értékhez képest. Az Excelben a szórás kiszámítása több lépésben történik.

Készítse elő az adatokat: nyissa meg azt az oldalt, ahol a számítások történnek. Esetünkben ez egy kép, de lehet bármilyen más fájl. A legfontosabb az, hogy összegyűjtse azokat az információkat, amelyeket a táblázatban a számításhoz használni fog.

Írja be az adatokat bármelyik táblázatszerkesztőbe (esetünkben az Excelbe), töltse ki a cellákat balról jobbra. El kellene kezdeni az "A" oszlopból. A címsorokat a felső sorba kell beírni, a neveket pedig ugyanazokba az oszlopokba, amelyek a címsorokra vonatkoznak, csak lent. Ezután a dátum és a dátumtól jobbra a kiszámítandó adat.

Mentse el ezt a dokumentumot.

Most térjünk át magára a számításra. Jelöljön ki egy cellát a kurzorral az utolsó alulról beírt érték után.

Írja be a "=" jelet, majd írja be a képletet. Az egyenlőségjel kötelező. Ellenkező esetben a program nem veszi figyelembe a javasolt adatokat. A képlet szóközök nélkül kerül beírásra.

A segédprogram több képlet nevét is megjeleníti. Választ " STDEV". Ez a képlet a szórás kiszámításához. Kétféle számítás létezik:

• minta szerinti számítással;
• az általános sokaság kiszámításával.

Az egyik kiválasztásával adja meg az adattartományt. A teljes beírt képlet így fog kinézni: "= STDEV (B2: B5)".

Ezután kattintson a " gombra Belép". A kapott adatok megjelennek a megjelölt tételben.

A számtani átlag kiszámítása

Kiszámításra kerül, ha a felhasználónak jelentést kell készítenie, például a vállalata bérszámfejtésére vonatkozóan. Ez a következőképpen történik:

• csak válasszon tartománytés kattintson az "Enter" gombra. És a cella most megjeleníti a fent vett adatok eredményét.

Variációs együttható számítása

A variációs együttható kiszámításának képlete:

V= S/X, ahol S jelentése szórás, és X az átlagérték.

A variációs együttható Excelben történő kiszámításához meg kell találnia a szórást és a számtani átlagot. Azaz, miután elvégezte a fent bemutatott első két számítást, folytathatja a variációs együtthatóval való munkát.

Ehhez nyissa meg az Excelt, töltsön ki két mezőt, ahol meg kell adni a kapott szórás- és átlagértékeket.

Most válassza ki a számhoz rendelt cellát az eltérés kiszámításához. Nyissa meg a lapot " itthon' ha nincs nyitva. Kattintson az eszközre Szám". Válassza ki a százalékos formátumot.

Menjen a megjelölt cellára, és kattintson rá duplán. Ezután írjon be egy egyenlőségjelet, és jelölje ki azt az elemet, amelybe a szórások összegét beírták. Ezután kattintson a billentyűzeten a „perjel” vagy „felosztás” gombra (így néz ki: „/”). Jelöljön ki egy elemet, ahol a számtani középértéket kell megadni, majd kattintson az "Enter" gombra. Így kell kijönnie:

És itt van az eredmény az "Enter" megnyomása után:

A variációs együttható kiszámításához használhatja online számológépek, mint például a planetcalc.ru és az allcalc.ru . Elég beírni a szükséges számokat és elkezdeni a számítást, majd megszerezni a szükséges információkat.

szórás

Az Excel szórását két képlettel lehet megoldani:

Egyszerűen fogalmazva, az eltérés gyökerét veszik. A variancia kiszámításának módját az alábbiakban tárgyaljuk.

A szórás szinonimája a szórásnak, és a pontos is kiszámításra kerül. A kiszámítandó számok alatti eredmény cellája ki van jelölve. A fenti ábrán látható funkciók egyike be van illesztve. A gomb " Belép". Az eredmény megérkezett.

Oszcillációs együttható

A változási tartomány és az átlag arányát oszcillációs együtthatónak nevezzük. Az Excelben nincsenek kész képletek, tehát komponálni kell több funkció egyben.

Az összeállítandó függvények az átlag, maximum és minimum képletek. Ezt a tényezőt használják az adatkészlet összehasonlítására.

Diszperzió

A diszperzió olyan függvény, amely jellemezze az adatok terjedését körül matematikai elvárás. A következő egyenlet szerint számítva:

A változók a következő értékeket veszik fel:

Az Excelben két függvény határozza meg az eltérést:

A számítás elvégzéséhez a kiszámítandó számok alatt egy cellát kiemelünk. Lépjen a beszúrás funkció fülre. Válasszon kategóriát " Statisztikai". A legördülő listában válassza ki az egyik funkciót, és kattintson az "Enter" gombra.

Maximum és minimum

A maximum és a minimum szükséges ahhoz, hogy ne keressen manuálisan között egy nagy szám számok minimális vagy maximális száma.

A maximum kiszámításához válassza ki a teljes tartományt a szükséges számokat a táblázatban és egy külön cellában, majd kattintson a "Σ" vagy a " AutoSum". A legördülő ablakban válassza a "Maximum" lehetőséget, és az "Enter" gomb megnyomásával megkapja a kívánt értéket.

Tegye ugyanezt a minimum eléréséhez. Csak válassza ki a „Minimum” funkciót.

Az STDEV.B függvény a számértékek meghatározott tartományára kiszámított szórás értékét adja vissza.

Az STDEVG függvény a numerikus értékek sokaságának szórásának meghatározására szolgál, és visszaadja a szórást, mivel az átadott értékek a teljes sokaságot jelentik, nem egy mintát.

Az STDEV függvény a szórást adja vissza bizonyos számtartományok esetében, amelyek egy minta, nem pedig a teljes sokaság.

Az STDLONGPA az átadott teljes sokaság szórását adja vissza argumentumaként.

Példák az STDEV.V, STDEV.G, STDEV és STDEVPA használatára

1. példa A vállalatnak két ügyfélszerzési menedzsere van. Az egyes vezetők által naponta kiszolgált ügyfelek számának adatait egy Excel táblázat rögzíti. Határozza meg, hogy a két alkalmazott közül melyik dolgozik hatékonyabban.

Kiinduló adattábla:

Először is számítsuk ki azon ügyfelek átlagos számát, akikkel a menedzserek naponta dolgoztak:

ÁTLAG (B2:B11)

Ez a függvény kiszámítja a B2:B11 tartomány számtani átlagát, amely tartalmazza az első menedzser által naponta fogadott ügyfelek számát. Hasonlóképpen kiszámítjuk a második menedzser napi átlagos ügyfélszámát. Kapunk:

A kapott értékek alapján úgy tűnik, hogy mindkét vezető megközelítőleg egyformán hatékonyan dolgozik. Vizuálisan azonban látható egy erős szóródás az első menedzser ügyfélszámának értékében. Számítsuk ki a szórást a képlet segítségével:

STDV B(B2:B11)

B2:B11 - a vizsgált értékek tartománya. Hasonlóképpen meghatározzuk a második vezető szórását, és a következő eredményeket kapjuk:

Mint látható, az első menedzser teljesítménymutatóit az értékek nagy változékonysága (szóródása) jellemzi, ezért az átlag számtani érték egyáltalán nem tükrözi a teljesítmény valódi képét. Az 1.2-es eltérés a második menedzser stabilabb és ezáltal hatékonyabb munkáját jelzi.



Példa az STDEV függvény használatára az Excelben

2. példa A főiskolai hallgatók két különböző csoportjában ugyanabban a tudományágban vizsgát tartottak. A tanulók teljesítményének értékelése.

Kiinduló adattábla:

Határozzuk meg az első csoport értékeinek szórását a képlet segítségével:

STDEV(A2:A11)

Végezzünk hasonló számítást a második csoportra is. Ennek eredményeként a következőket kapjuk:

A kapott értékek azt mutatják, hogy a második csoport tanulói sokkal jobban felkészültek a vizsgára, mivel az értékelési értékek terjedése viszonylag kicsi. Vegye figyelembe, hogy az STDEV függvény a "pass" szöveges értéket 0 (nulla) számértékre konvertálja, és figyelembe veszi a számítás során.

Példa az STDEV.G függvényre az Excelben

3. példa Határozza meg a hallgatók vizsgára való felkészítésének hatékonyságát az egyetem minden csoportjában!

Megjegyzés: az előző példával ellentétben nem egy mintát (több csoportot) elemeznek, hanem a tanulók teljes számát - az általános sokaságot. A vizsgán sikertelen tanulók nem számítanak bele.

Töltse ki az adattáblázatot:

A hatékonyság értékelésére két mutatót használunk: az átlagpontszámot és az értékek szórását. A számtani átlag meghatározásához a következő függvényt használjuk:

ÁTLAG (B2:B21)

Az eltérés meghatározásához bevezetjük a képletet:

STDV H(B2:B21)

Ennek eredményeként a következőket kapjuk:

A kapott adatok valamivel átlag alatti teljesítményt jeleznek (<4), величина разброса характеризует довольно большое количество студентов, получивших 5 и 3 соответственно (учитывая, что анализировались только данные из диапазона от 3 до 5).

Példa az STDEVPA függvényre az Excelben

4. példa: Elemezze a tanulók teljesítményét a sikeres vizsga eredménye alapján, figyelembe véve azokat a tanulókat is, akik nem teljesítették ezt a vizsgát.

Adatlap:

Ebben a példában szintén a sokaságot elemezzük, de egyes adatmezők szöveges értékeket tartalmaznak. A szórás meghatározásához a következő függvényt használjuk:

STDEVPA(B2:B21)

Ennek eredményeként a következőket kapjuk:

Az értékek nagy elterjedése a sorozatban azt jelzi, hogy sok olyan diák van, aki nem tette le a vizsgát.

Az STDEV.V, STDEV.G, STDEV és STDEVPA használatának jellemzői

Az STDEV és az STDEVPA függvények szintaktikai jelölése azonos, például:

FUNKCIÓ(érték1; [érték2];…)

Leírás:

• FUNKCIÓ – a fent tárgyalt két funkció egyike;
• az érték1 egy kötelező argumentum, amely a minta (vagy az általános sokaság) egyik értékét jellemzi;
• A [érték2] egy opcionális argumentum, amely a vizsgált tartomány második értékét jellemzi.

Megjegyzések:

1. Nevek, numerikus értékek, tömbök, hivatkozások numerikus adatok tartományaira, logikai értékek és az ezekre való hivatkozások argumentumaként adhatók át a függvényeknek.
2. Mindkét függvény figyelmen kívül hagyja az átadott adattartományban található null értékeket és szöveges adatokat.
3. A függvények az #ÉRTÉK! hibakódot adják vissza, ha olyan hibaértékeket vagy szöveges adatokat adtak át argumentumként, amelyek nem konvertálhatók numerikus értékekké.

Az STDEV.V és STDEV.G függvények szintaktikai jelölése a következő:

FUNKCIÓ(szám1,[szám2],…)

Leírás:

• FUNKCIÓ – bármely STDEV.V vagy STDEV.G funkció;
• szám1 - egy kötelező argumentum, amely a mintából vagy a teljes általános sokaságból vett számértéket jellemzi;
• A szám2 egy opcionális argumentum, amely a vizsgált tartomány második számértékét jellemzi.

Megjegyzés: Mindkét függvény nem tartalmazza a szöveges adatként ábrázolt számokat, sem a TRUE és FALSE logikai értékeket a számítási folyamatban.

Megjegyzések:

1. A szórást széles körben használják statisztikai számításokban, amikor egy értéktartomány átlagának megállapítása nem ad helyes képet az adatok eloszlásáról. Bemutatja az értékek eloszlásának elvét egy adott mintában vagy a teljes sorozatban az átlagértékhez viszonyítva. Az 1. példa vizuálisan megvizsgálja ennek a statisztikai paraméternek a gyakorlati alkalmazását.
2. Az STDEV és STDEV.V függvények az általános sokaságnak csak egy részének elemzésére és az első képlet alapján történő számításra használhatók, míg az STDEV.G és STDEV.V függvények a teljes sokaság adatait veszik bemenetként, és a második képlet segítségével számoljanak .
3. Az Excel tartalmazza a beépített STDEV és STDEV függvényeket, amelyeket megtartottak a Microsoft Office régebbi verzióival való kompatibilitás érdekében. Előfordulhat, hogy a program későbbi verzióiban nem szerepelnek, ezért használatuk nem javasolt.
4. Két általános képletet használnak a szórás meghatározására: S=√((∑_(i=1)^n▒(x_i-x_átlag)^2)/(n-1)) és S=√((∑_() i= 1)^n▒(x_i-x_av)^2)/n), ahol:

• S a szórás kívánt értéke;
• n a figyelembe vett értéktartomány (minta);
• x_i a minta egyetlen értéke;
• x_av a vizsgált tartomány számtani középértéke.

A négyzetgyökérték vagy szórás egy statisztikai mutató, amely a numerikus minta átlagértéke körüli ingadozásának mértékét értékeli. Szinte mindig az értékek nagy része az átlagtól plusz-mínusz egy szórással oszlik meg.

Meghatározás

A szórás az átlagtól való négyzetes eltérések összegének számtani középértékének négyzetgyöke. Szigorúan és matematikailag, de abszolút érthetetlen. Ez a szórás számítási képletének szóbeli leírása, de ahhoz, hogy megértsük ennek a statisztikai kifejezésnek a jelentését, foglalkozzunk mindennel sorban.

Képzelj el egy lőteret, egy céltáblát és egy nyilat. A mesterlövész szabványos céltáblára lő, ahol a középpont eltalálása 10 pontot ad, a középponttól való távolságtól függően a pontok száma csökken, a külső területek eltalálása pedig csak 1 pontot ad. Minden lövöldöző lövés egy véletlenszerű egész szám 1-től 10-ig. A golyókkal teli célpont tökéletesen szemlélteti egy valószínűségi változó eloszlását.

Várható érték

Kezdő lövészünk már régóta gyakorolja a lövészetet, és észrevette, hogy bizonyos valószínűséggel különböző értékeket talál el. Mondjuk nagy számú lövés alapján kiderítette, hogy 15%-os valószínűséggel talál 10-et. A többi érték megkapta a valószínűségét:

• 9 - 25 %;
• 8 - 20 %;
• 7 - 15 %;
• 6 - 15 %;
• 5 - 5 %;
• 4 - 5 %.

Most újabb lövésre készül. Milyen értéket ér el a legvalószínűbb? A matematikai elvárás segít megválaszolni ezt a kérdést. Mindezen valószínűségek ismeretében meg tudjuk határozni a lövés legvalószínűbb kimenetelét. A matematikai elvárás kiszámításának képlete meglehetősen egyszerű. Jelöljük a lövés értékét C-vel, a valószínűségét pedig p-vel. A matematikai elvárás egyenlő lesz a megfelelő értékek és valószínűségeik szorzatának összegével:

Határozzuk meg a példánkkal kapcsolatos elvárásokat:

• M = 10 × 0,15 + 9 × 0,25 + 8 × 0,2 + 7 × 0,15 + 6 × 0,15 + 5 × 0,05 + 4 × 0,05
• M=7,75

Tehát a legvalószínűbb, hogy a lövő eltalálja azt a zónát, amely 7 pontot ad. Ez a zóna lesz a legtöbb átlövés, ami a leggyakoribb találat kiváló eredménye. Bármely valószínűségi változó esetén a várható érték a legtöbbször előforduló értéket vagy az összes érték középpontját jelenti.

Diszperzió

A diszperzió egy másik statisztikai mutató, amely egy érték elterjedését szemlélteti számunkra. Célunk sűrűn tele van golyókkal, és a szóródás lehetővé teszi, hogy ezt a paramétert számszerűen fejezzük ki. Ha a matematikai elvárás a felvételek középpontját mutatja, akkor a szórás a szóródásuk. A variancia lényegében az értékek várható értéktől való eltérésének matematikai elvárását jelenti, vagyis az eltérések átlagos négyzetét. Minden érték négyzetes, hogy az eltérések csak pozitívak legyenek, és ne rombolják egymást ellentétes előjelű számok esetén.

D[X] = M − (M[X]) 2

Számítsuk ki esetünkre a lövések terjedelmét:

• M = 10 2 × 0,15 + 9 2 × 0,25 + 8 2 × 0,2 + 7 2 × 0,15 + 6 2 × 0,15 + 5 2 × 0,05 + 4 2 × 0,05
• M=62,85
• D[X] = M − (M[X]) 2 = 62,85 − (7,75) 2 = 2,78

Tehát az eltérésünk 2,78. Ez azt jelenti, hogy a 7,75-ös értékű célterületről a golyók 2,78 ponttal szóródnak szét. A diszperziós értéket azonban nem tiszta formájában használjuk – ennek eredményeként az érték négyzetét kapjuk, példánkban ez egy négyzetpontszám, más esetekben pedig lehet négyzetkilogramm vagy négyzetdollár. A diszperzió mint négyzetérték nem tájékoztató jellegű, ezért köztes mutató a szórás meghatározásához - cikkünk hőse.

szórás

A szórással, amely az eltérés négyzetgyöke, az eltérést értelmes pontokra, kilogrammokra vagy dollárokra konvertálják. Számítsuk ki a példánkra:

S = négyzet(D) = négyzet(2,78) = 1,667

Pontokat kaptunk, és most már felhasználhatjuk a matematikai elvárásokhoz való kapcsolódásra. A lövés legvalószínűbb kimenetele ebben az esetben 7,75 plusz-mínusz 1,667 lenne. A válaszhoz ennyi is elég, de azt is mondhatjuk, hogy szinte biztosra vehető, hogy a lövő 6.08 és 9.41 között találja el a célterületet.

A szórás vagy szigma egy informatív mutató, amely szemlélteti egy érték terjedését a középpontja körül. Minél nagyobb a szigma, annál nagyobb szórást mutat a minta. Ez egy jól tanulmányozott együttható, és normál eloszlásra egy érdekes három szigma szabály ismert. Megállapítást nyert, hogy a normál eloszlású érték értékeinek 99,7%-a a számtani átlag plusz-mínusz három szigma tartományába esik.

Nézzünk egy példát

A devizapár volatilitása

Ismeretes, hogy a matematikai statisztika módszereit széles körben alkalmazzák a devizapiacon. Számos kereskedési terminál rendelkezik beépített eszközökkel egy eszköz volatilitásának kiszámításához, amely egy devizapár áringadozásának mértékét mutatja. Természetesen a pénzügyi piacoknak megvannak a sajátosságai a volatilitás kiszámítására, például a tőzsdék nyitó és záró árfolyamaira, de példaként kiszámolhatjuk az utolsó hét napi gyertya szigmáját, és nagyjából megbecsülhetjük a heti volatilitást.

A Forex piacon a leginkább ingadozó eszköznek a font/jen devizapárt tartják. Legyen elméletileg a hét folyamán a Tokiói Értéktőzsde záróára a következő értékek:

145, 147, 146, 150, 152, 149, 148.

Ezeket az adatokat beírjuk a számológépbe, és kiszámoljuk a 2,23 szigmát. Ez azt jelenti, hogy a japán jen árfolyama átlagosan napi 2,23 jennel változott. Ha minden olyan csodálatos lenne, a kereskedők milliókat keresnének az ilyen mozgásokon.

Következtetés

A szórást a numerikus minták statisztikai elemzésénél alkalmazzuk. Ez hasznos tényező az adatok szórásának becsléséhez, mivel két látszólag azonos átlagú halmaz szórása teljesen eltérő lehet. Használja kis mintás szigma-kalkulátorunkat.

AZ ÁLTALÁNOS GYŰJTEMÉNY MEGHATÁROZÁSA ÉS

PARAMÉTEREK MINTASTATISZTIKÁK ALAPJÁN;

ÁTLAGOS ÉS SZABVÁNYSZÓLÁS

A populáció átlagának meghatározása

(Általános népesség)

Az 1. fejezet függelékében leírt reakcióidő-kísérletben egy tényleges kísérlet eredményeit vettük fel. Feltételeztük, hogy olyan adatokat képviselnek, amelyek egy kísérlet során teljes belső érvényességgel nyerhetők. Így a fényjelre adott átlagos válaszidő 17 mintán az az átlag volt, amelyet egy korlátlan számú mintával végzett kísérletben kapni lehetett.

Korlátozott mintaátlagot használunk, hogy megfelelően nagy (akár korlátlan számú) mintapopulációra következtessünk. Az ilyen populációt általános populációnak nevezzük. Az ilyen, például BP adatok általános sokaságához viszonyított átlagát M x jelöli. Az általános sokaság ilyen jellemzőjét paraméternek nevezzük. Az általunk egy adott mintára ténylegesen számított átlagot statisztikának nevezzük, és M x-el jelöljük. Az M x statisztika az M x legjobb becslése, amelyet a mintánkból kaphatunk? A válasz – bizonyíték nélkül – igen. Mielőtt azonban úgy döntene, hogy ez mindig így van, térjünk át a szórásra, ahol nem ez a helyzet.

A szórás kiszámítása

Általában a pontszámok átlagán kívül mást is szeretnénk tudni, mégpedig azt, hogy mi a pontszámok nem szisztematikus változása mintánként. A nem szisztematikus eltérés mérésének legáltalánosabb módja a szórás kiszámítása.

Ehhez meg kell határoznia, hogy mennyi az egyes pontszámok (pl. x) több vagy kevesebb az átlagnál ( M x). Ezután minden különbséget négyzetre emel ( X-M x), és add össze őket. Ezután ezt az összeget elosztod vele N minták száma. Végül vegye ennek az átlagnak a négyzetgyökét.

Ezt a számítást egy képlet ábrázolja, amely a szórást σ x szimbólummal jelöli:

90Ez a képlet lerövidíthető egy kis x beiktatásával a ( X-M x). Akkor a képlet így néz ki:

(2,1A)

Írjuk ki az A feltételre vonatkozó adatokat az I. fejezet függelékéből, és ezzel egyidejűleg végezzünk számításokat azokra, amelyeket a σ x képlete jelez

Próbálja meg		M x	x - M x	x 2
			vagyx
			Σ x 2

Amennyiben

Kisasszony.

91Szórásbecslés

népesség

A végtelen kísérletben megkapható populációs átlag meghatározásához a legjobb becslés valójában a minta átlaga volt. Más a helyzet a szórással. A valódi minták bármely halmazában kevesebb nagyon magas vagy nagyon alacsony eredmény található, mint az általános sokaságban. És mivel a szórás a becslések terjedésének mértéke, a minta alapján meghatározott értéke mindig kisebb, mint a szigma σ x sokaságparaméter.

Pontosabban, a sokaság szórásának becslését a képlet találja meg

(2.2)

(2,2A)

Számszerű adatainkhoz:

Kisasszony.

Egyes kísérletek azt feltételezik, hogy az egyik állapot viselkedése változékonyabb, mint a másikban. Ilyenkor célszerűbb a szórások összehasonlítása az átlagok helyett. Ha mindkét feltételre N ugyanaz, össze lehet hasonlítani a szigmát egymással. Azonban mikor N különböznek, szigma az állapothoz kevesebbel N alacsonyabb becslést ad egy ilyen populációs paraméterre, mint a szórásra. Ezért a kettőt össze kell hasonlítani S.

Az alábbi táblázat segít megjegyezni ezeket a pontokat és képleteket.92

	Az átlagos	Szórás
Az általános populáció paraméteres jellemzői (g. s.)
A minta statisztikai jellemzői
Becsült populációs paraméter

Egy feladat: Számítsd ki σ x és S x a B feltételhez.

Válasz:σ B = 15,9, σ B = 16,4.

Az Excel programot a profik és az amatőrök is nagyra értékelik, hiszen bármilyen képzettségi szintű felhasználó dolgozhat vele. Például bárki, aki minimális "kommunikációs" készségekkel rendelkezik az Excel-lel, tud egyszerű grafikont rajzolni, tisztességes jelet készíteni stb.

Ugyanakkor ez a program lehetővé teszi különféle számítások, például számítások elvégzését is, de ez már kissé eltérő szintű képzést igényel. Ha azonban csak most kezdte el közeli ismerkedését ezzel a programmal, és minden érdekli, ami segít haladóbb felhasználóvá válni, akkor ez a cikk neked szól. Ma elmondom, hogy mi az excel szórásképlete, miért van rá egyáltalán szükség, és valójában mikor alkalmazzák. Megy!

Ami

Kezdjük az elmélettel. A szórást általában négyzetgyöknek nevezik, amelyet a rendelkezésre álló értékek közötti összes négyzetes különbség számtani átlagából, valamint azok számtani átlagából kapunk. Egyébként ezt az értéket általában görög "szigma" betűnek nevezik. A szórást az STDEV képlet alapján számítjuk ki, a program ezt a felhasználó helyett maga végzi el.

Ennek a koncepciónak az a lényege, hogy azonosítsa az eszköz variabilitásának mértékét, vagyis a maga módján a leíró statisztikák mutatója. Felfedi az eszköz volatilitásában bekövetkezett változásokat bármely időszakban. Az STDEV képletek használatával megbecsülheti a minta szórását, míg a logikai és a szöveges értékeket figyelmen kívül hagyja.

Képlet

Segít kiszámítani a szórást az Excel képletben, amely automatikusan megjelenik az Excelben. Megtalálásához meg kell találni az Excelben a képlet részt, és már ott ki kell választani azt, aminek a neve STDEV, tehát nagyon egyszerű.

Ezt követően egy ablak jelenik meg előtted, amelyben meg kell adnia az adatokat a számításhoz. Különösen két számot kell beírni a speciális mezőkbe, amelyek után a program automatikusan kiszámítja a minta szórását.

Kétségtelen, hogy a matematikai képletek és számítások meglehetősen bonyolult kérdést jelentenek, és nem minden felhasználó tud vele azonnal megbirkózni. Ha azonban egy kicsit mélyebbre ásunk, és egy kicsit részletesebben megértjük a kérdést, kiderül, hogy nem minden olyan szomorú. Remélem, erről Önt is meggyőzi a szórás számításának példája.

Videó segítségül