Få hela bilden genom att beräkna spridningen av dina data.
Bildkredit: Creatas/Creatas/Getty Images
Två parametrar definierar ett urval av data: plats och spridning eller spridning. Det är lätt att bli vilseledd i affärer när man bara uppmärksammar platsen - vanligtvis medelvärdet eller medianvärdet - samtidigt som man ignorerar spridningen av data. Till exempel kan alla dina produkter ha ett betyg över genomsnittet, men en stor spridning av betyg för en produkt betyder att en del av dina kunder är extremt missnöjda. Med Microsoft Excel kan du enkelt beräkna en mängd olika spridningsmått för att underlätta din affärsplanering.
Steg 1
Öppna Microsoft Excel och ladda ett kalkylblad som innehåller de data du vill beräkna spridningsstatistik för.
Dagens video
Steg 2
Välj en tom cell och märk den "Datavarians" och ersätt "Data" med namnet på data som analyseras. Variansen för ett urval av data är ett mått på medelvärdet för varje datapunkt som skiljer sig från urvalsmedelvärdet. Variansen är lika med standardavvikelsen i kvadrat. Varians är bäst lämpad för att beskriva en normal- eller klockkurvfördelning. Dess värde kommer att vara mindre meningsfullt om din data inte passar en normalfördelning eller innehåller många extremvärden, eller extremt låga eller höga värden.
Steg 3
Skriv in följande i Excel-funktionsrutan med cellen som ska innehålla det valda variansmåttet:
=VAR(A1:A100)
Ersätt "A1:A100" med cellintervallet som innehåller data som du vill beräkna variansen för.
Steg 4
Välj en tom cell och märk den "Data First Quartile". Den första kvartilen av ett dataprov är värdet på datapunkten där 25 procent av data är mindre än värdet. Skriv in följande i Excel-formelrutan med cellen markerad:
=KVARTIL(A: A100;1)
Steg 5
Välj en tom cell och märk den "Data Third Quartile". Den första kvartilen i ett dataprov är värdet på datapunkten där 75 procent av datan är mindre än värdet. Skriv in följande i Excel-formelrutan med cellen markerad:
=KVARTIL(A: A100;3)
Steg 6
Beräkna skillnaden mellan den första och tredje kvartilen för att beräkna interkvartilintervallet. Detta är ett mer robust mått på spridning, tillämpligt när dina data inte passar en normalfördelning och innehåller extremvärden.
