10 Hal yang Harus Anda Ketahui tentang Statistik yang Akan Digunakan Excel - dummies

Excel adalah alat yang hebat bila Anda perlu menggunakan statistik. Jika Anda tidak pernah terpapar statistik di sekolah atau sudah satu atau dua dekade sejak Anda melakukannya, biarkan tip berikut membantu Anda menggunakan beberapa alat statistik yang disediakan Excel.

Statistik deskriptif sangat mudah

Hal pertama yang harus Anda ketahui adalah bahwa beberapa analisis statistik dan beberapa langkah statistik sangat sederhana. Statistik deskriptif, yang mencakup hal-hal seperti tabel tabulasi silang tabulasi, dan juga beberapa fungsi statistik, masuk akal bahkan bagi seseorang yang tidak begitu kuantitatif.

Bila seseorang menggunakan rata-rata

, yang biasanya dia maksud adalah ukuran rata-rata yang paling umum, yaitu berarti. Memahami bahwa istilah rata-rata tidak tepat membuat sebagian besar fungsi statistik Excel lebih dipahami. Untuk membuat diskusi ini lebih konkret, anggaplah bahwa Anda sedang melihat seperangkat nilai kecil: 1, 2, 3, 4, dan 5. Seperti yang Anda ketahui, mean dalam rangkaian nilai kecil ini adalah 3. Anda dapat menghitung mean dengan menambahkan semua angka pada himpunan (1 + 2 + 3 + 4 + 5) dan kemudian membagi jumlah ini (15) dengan jumlah nilai dalam himpunan (5).

adalah nilai yang memisahkan nilai terbesar dari nilai terkecil. Dalam kumpulan data 1, 2, 3, 4, dan 5, rata-rata adalah 3. Nilai 3 memisahkan nilai terbesar (4 dan 5) dari nilai terkecil (1 dan 2). Anda tidak perlu memahami pengukuran rata-rata yang berbeda, namun Anda harus ingat bahwa istilah rata-rata

cukup tidak tepat. Standar deviasi menggambarkan dispersi

Rumus untuk standar deviasi dan logika cukup mudah dimengerti.

Standar deviasi

menggambarkan bagaimana nilai dalam kumpulan data bervariasi di sekitar rata-rata. Hal yang rapi tentang ukuran statistik seperti standar deviasi, Anda sering mendapatkan wawasan nyata tentang karakteristik data yang Anda lihat. Hal lain adalah bahwa dengan dua bit data ini, Anda dapat sering menarik kesimpulan tentang data dengan melihat sampelnya. Observasi adalah pengamatan Observasi

adalah salah satu istilah yang akan Anda hadapi jika membaca sesuatu tentang statistik. Pengamatan hanyalah sebuah pengamatan. Salah satu cara untuk mendefinisikan istilah observasi adalah seperti ini: Kapan pun Anda benar-benar memberikan nilai pada salah satu variabel acak Anda, Anda membuat pengamatan.

Contoh adalah himpunan bagian dari nilai A

sampel

adalah kumpulan pengamatan dari populasi. Misalnya, jika Anda membuat kumpulan data yang mencatat suhu tinggi harian di lingkungan Anda, koleksi pengamatan kecil Anda adalah sampel. Sebagai perbandingan, sampel bukan populasi. Populasi

mencakup semua pengamatan yang mungkin dilakukan. Statistik inferensial keren tapi rumit Jika Anda melihat contoh nilai dari populasi dan sampelnya representatif dan cukup besar, Anda dapat menarik kesimpulan tentang populasi berdasarkan karakteristik sampel.

Statistik distribusi yang inferensial, walaupun sangat kuat, memiliki dua kualitas yang perlu Anda ketahui:

Masalah ketepatan

kurva belajar yang curam

Fungsi distribusi probabilitas tidak selalu membingungkan distribusi robabilitas
P

fungsi

terdengar cukup rumit; tetapi Anda benar-benar dapat memahami secara intuitif apa fungsi distribusi probabilitas dengan beberapa contoh berguna. Satu distribusi umum yang Anda dengar di kelas statistik, misalnya, adalah distribusi T. Distribusi T

pada dasarnya adalah distribusi normal kecuali dengan ekor yang lebih berat dan gemuk. Salah satu fungsi distribusi probabilitas yang umum adalah distribusi yang seragam. Dalam distribusi seragam , setiap kejadian memiliki kemungkinan terjadinya yang sama. Hal yang unik tentang distribusi ini adalah bahwa semuanya sangat berharga. Jenis distribusi probabilitas distribusi yang umum lainnya adalah distribusi normal ,

juga dikenal sebagai kurva belerang bel atau Gaussian. Distribusi normal terjadi secara alami dalam banyak situasi. Misalnya, intelligence quotients (IQ) didistribusikan secara normal. Parameter tidak begitu rumit

parameter

adalah masukan untuk fungsi distribusi probabilitas. Dengan kata lain, rumus atau fungsi atau persamaan yang menggambarkan kurva distribusi probabilitas memerlukan input. Dalam statistik, input tersebut disebut parameter. Beberapa fungsi distribusi probabilitas hanya memerlukan satu parameter sederhana. Misalnya, untuk bekerja dengan distribusi seragam, yang benar-benar Anda butuhkan adalah jumlah nilai dalam kumpulan data. Kematian enam sisi, misalnya, hanya memiliki enam kemungkinan. Skewness dan kurtosis menggambarkan bentuk distribusi probabilitas

Beberapa istilah statistik lain yang berguna untuk diketahui adalah skewness dan kurtosis.

Skewness

mengkuantifikasi kurangnya simetri dalam distribusi probabilitas. Dalam distribusi simetris yang sempurna, seperti distribusi normal, kemiringan sama dengan nol. Jika distribusi probabilitas bersandar ke kanan atau kiri, bagaimanapun, kemiringan sama dengan beberapa nilai selain nol, dan nilainya mengkuantifikasi kurangnya simetri. Kurtosis mengkuantifikasi berat ekor dalam suatu distribusi. Dalam distribusi normal, kurtosis sama dengan nol. Bagian ekor

adalah benda yang menjangkau ke kiri atau kanan. Namun, jika ekor dalam distribusi lebih berat daripada distribusi normal, kurtosis adalah angka positif.Jika ekor dalam distribusi lebih kurus daripada distribusi normal, kurtosis adalah angka negatif. Perumusan keyakinan tampak rumit pada awalnya, tapi berguna Probabilitas sering membingungkan orang. Hal penting untuk dipahami tentang tingkat kepercayaan adalah bahwa hal itu terkait dengan margin of error. Hal lain yang penting untuk dipahami tentang tingkat kepercayaan adalah semakin besar ukuran sampel Anda, semakin kecil margin kesalahan Anda akan menggunakan tingkat kepercayaan yang sama.