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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07