Saat kokonaiskuvan laskemalla tietojesi hajoamisen.
Kuvan luotto: Creatas/Creatas/Getty Images
Kaksi parametria määrittelee otoksen tiedoista: sijainti ja leviäminen tai hajonta. Liiketoiminnassa on helppo joutua harhaan, kun huomioidaan vain sijainti - yleensä keskiarvo tai mediaani - mutta jätetään huomioimatta tietojen hajaantuminen. Esimerkiksi kaikilla tuotteillasi voi olla keskimääräistä korkeampi arvosana, mutta tuotteelle annettujen arvioiden suuri hajaannus tarkoittaa, että osa asiakkaistasi on erittäin tyytymättömiä. Microsoft Excelin avulla voit helposti laskea erilaisia hajautusmittoja, jotka auttavat yrityksesi suunnittelussa.
Vaihe 1
Avaa Microsoft Excel ja lataa laskentataulukko, joka sisältää tiedot, joille haluat laskea hajontatilastot.
Päivän video
Vaihe 2
Valitse tyhjä solu ja merkitse se "Data Variance" ja korvaa "Data" analysoitavan tiedon nimellä. Datanäytteen varianssi on sen keskiarvon mitta, jonka kukin datapiste eroaa otoksen keskiarvosta. Varianssi on yhtä suuri kuin keskihajonnan neliö. Varianssi sopii parhaiten kuvaamaan normaali- tai kellokäyräjakaumaa. Sen arvo on vähemmän merkityksellinen, jos tietosi eivät sovi normaalijakaumaan tai sisältävät monia poikkeavuuksia tai erittäin pieniä tai korkeita arvoja.
Vaihe 3
Kirjoita seuraava Excel-funktioruutuun, jossa on valittuna solu, joka sisältää varianssimitan:
=VAR(A1:A100)
Korvaa "A1:A100" solualueella, joka sisältää tiedot, jolle haluat laskea varianssin.
Vaihe 4
Valitse tyhjä solu ja merkitse se "Data First Quartile". Datanäytteen ensimmäinen kvartiili on sen datapisteen arvo, jossa 25 prosenttia tiedoista on pienempi kuin arvo. Kirjoita seuraava Excel-kaavaruutuun solun ollessa valittuna:
=kvartiili(A: A100,1)
Vaihe 5
Valitse tyhjä solu ja merkitse se "Datan kolmas kvartiili". Datanäytteen ensimmäinen kvartiili on sen datapisteen arvo, jossa 75 prosenttia tiedoista on pienempi kuin arvo. Kirjoita seuraava Excel-kaavaruutuun solun ollessa valittuna:
=kvartiili(A: A100,3)
Vaihe 6
Laske ensimmäisen ja kolmannen kvartiilin välinen ero kvartiilien välisen alueen laskemiseksi. Tämä on luotettavampi hajontamitta, jota voidaan käyttää, kun tietosi eivät sovi normaalijakaumaan ja sisältävät poikkeavia arvoja.
