京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用Excel做数据分析——描述统计_数据分析师
某班级期中考试进行后,需要统计成绩的平均值、区间,以及给出班级内部学生成绩差异的量化标准,借此来作为解决班与班之间学生成绩的参差不齐的依据。要求得到标准差等统计数值。
样本数据分布区间、标准差等都是描述样本数据范围及波动大小的统计量,统计标准差需要得到样本均值,计算较为繁琐。这些都是描述样本数据的常用变量,使用Excel数据分析中的“描述统计”即可一次完成。
注:本功能需要使用Excel扩展功能,如果您的Excel尚未安装数据分析,请依次选择“工具”-“加载宏”,在安装光盘中加载“分析数据库”。加载成功后,可以在“工具”下拉菜单中看到“数据分析”选项。
操作步骤
1.打开原始数据表格,制作本实例的原始数据无特殊要求,只要满足行或列中为同一属性数值即可。
2. 选择“工具”-“数据分析”-“描述统计”后,出现属性设置框,依次选择:
输入区域:原始数据区域,可以选中多个行或列,注意选择相应的分组方式;
如果数据有标志,注意勾选“标志位于第一行”;如果输入区域没有标志项,该复选框将被清除,Excel 将在输出表中生成适宜的数据标志;
输出区域可以选择本表、新工作表或是新工作簿;
汇总统计:包括有平均值、标准误差(相对于平均值)、中值、众数、标准偏差、方差、峰值、偏斜度、极差、最小值、最大值、总和、总个数、最大值、最小值和置信度等相关项目。
其中:
中值:排序后位于中间的数据的值;
众数:出现次数最多的值;
峰值:衡量数据分布起伏变化的指标,以正态分布为基准,比其平缓时值为正,反之则为负;
偏斜度:衡量数据峰值偏移的指数,根据峰值在均值左侧或者右侧分别为正值或负值;
极差:最大值与最小值的差。
第K大(小)值:输出表的某一行中包含每个数据区域中的第 k 个最大(小)值。
平均数置信度:数值 95% 可用来计算在显著性水平为 5% 时的平均值置信度。
结果示例如下(本实例演示了双列数据的描述统计结果):
|
成绩 |
学习时间 |
||
|
平均 |
78.64285714 |
平均 |
62.91428571 |
|
标准误差 |
2.408241878 |
标准误差 |
1.926593502 |
|
中位数 |
85 |
中位数 |
68 |
|
众数 |
98 |
众数 |
78.4 |
|
标准差 |
18.02163202 |
标准差 |
14.41730562 |
|
方差 |
324.7792208 |
方差 |
207.8587013 |
|
峰度 |
1.464424408 |
峰度 |
1.464424408 |
|
偏度 |
-1.130551511 |
偏度 |
-1.13055151 |
|
区域 |
85 |
区域 |
68 |
|
最小值 |
15 |
最小值 |
12 |
|
最大值 |
100 |
最大值 |
80 |
|
求和 |
4404 |
求和 |
3523.2 |
|
观测数 |
56 |
观测数 |
56 |
|
最大 (1) |
100 |
最大 (1) |
80 |
|
最小 (1) |
15 |
最小 (1) |
12 |
|
置信度 (95.0%) |
4.826224539 |
置信度 (95.0%) |
3.860979631 |
某班级期中考试进行后,需要统计成绩的平均值、区间,以及给出班级内部学生成绩差异的量化标准,借此来作为解决班与班之间学生成绩的参差不齐的依据。要求得到标准差等统计数值。
样本数据分布区间、标准差等都是描述样本数据范围及波动大小的统计量,统计标准差需要得到样本均值,计算较为繁琐。这些都是描述样本数据的常用变量,使用Excel数据分析中的“描述统计”即可一次完成。
注:本功能需要使用Excel扩展功能,如果您的Excel尚未安装数据分析,请依次选择“工具”-“加载宏”,在安装光盘中加载“分析数据库”。加载成功后,可以在“工具”下拉菜单中看到“数据分析”选项。
操作步骤
1.打开原始数据表格,制作本实例的原始数据无特殊要求,只要满足行或列中为同一属性数值即可。
2. 选择“工具”-“数据分析”-“描述统计”后,出现属性设置框,依次选择:
输入区域:原始数据区域,可以选中多个行或列,注意选择相应的分组方式;
如果数据有标志,注意勾选“标志位于第一行”;如果输入区域没有标志项,该复选框将被清除,Excel 将在输出表中生成适宜的数据标志;
输出区域可以选择本表、新工作表或是新工作簿;
汇总统计:包括有平均值、标准误差(相对于平均值)、中值、众数、标准偏差、方差、峰值、偏斜度、极差、最小值、最大值、总和、总个数、最大值、最小值和置信度等相关项目。
其中:
中值:排序后位于中间的数据的值;
众数:出现次数最多的值;
峰值:衡量数据分布起伏变化的指标,以正态分布为基准,比其平缓时值为正,反之则为负;
偏斜度:衡量数据峰值偏移的指数,根据峰值在均值左侧或者右侧分别为正值或负值;
极差:最大值与最小值的差。
第K大(小)值:输出表的某一行中包含每个数据区域中的第 k 个最大(小)值。
平均数置信度:数值 95% 可用来计算在显著性水平为 5% 时的平均值置信度。
结果示例如下(本实例演示了双列数据的描述统计结果):
|
成绩 |
学习时间 |
||
|
平均 |
78.64285714 |
平均 |
62.91428571 |
|
标准误差 |
2.408241878 |
标准误差 |
1.926593502 |
|
中位数 |
85 |
中位数 |
68 |
|
众数 |
98 |
众数 |
78.4 |
|
标准差 |
18.02163202 |
标准差 |
14.41730562 |
|
方差 |
324.7792208 |
方差 |
207.8587013 |
|
峰度 |
1.464424408 |
峰度 |
1.464424408 |
|
偏度 |
-1.130551511 |
偏度 |
-1.13055151 |
|
区域 |
85 |
区域 |
68 |
|
最小值 |
15 |
最小值 |
12 |
|
最大值 |
100 |
最大值 |
80 |
|
求和 |
4404 |
求和 |
3523.2 |
|
观测数 |
56 |
观测数 |
56 |
|
最大 (1) |
100 |
最大 (1) |
80 |
|
最小 (1) |
15 |
最小 (1) |
12 |
|
置信度 (95.0%) |
4.826224539 |
置信度 (95.0%) |
3.860979631 |
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27