跟我学用OFFICE(10)——Varp、Var
zhezhongyun 2025-03-30 00:12 7 浏览
011 varp
助记:英文的“Variance of population”
类别:统计
语法:
varp(number1,number2,…)
参数:1~255个参数
- number1,number2,… 对应于样本总体的一组数字。
说明:
- 参数可以是数字或者是包含数字的名称、数组或引用;
- 如果数组或引用参数包含文本、逻辑值或空白单元格,将被忽略;
- 如果参数为错误值或者不能转换为数字的文本,将会导致错误;
用法:计算基于整个样本总体的方差。还是放一个百度百科的手机截屏,看看官方的定义。
012 var
助记:英文的“Variance”
类别:统计
语法:
var(number1,number2,…)
参数:1~255个参数
- number1,number2,… 对应于给定样本的一组数字。
说明:
- 参数可以是数字或者是包含数字的名称、数组或引用;
- 如果数组或引用参数包含文本、逻辑值或空白单元格,将被忽略;
- 如果参数为错误值或者不能转换为数字的文本,将会导致错误;
用法:计算基于给定样本的方差。还是放一个百度百科的手机截屏,看看官方的定义。
1)我们还是使用左轮手枪射击的例子,击发了6枪,B列成绩使用随机数“=randbetween(0,10)”,B8保持算术平均值不变,在C列放置“离均差”及其计算公式,并做出相应的直方图。
2)上面离均差数据的正负号使用了“设置单元格格式”,按CTRL+1,自定义如图格式。
3)考虑可能有的人不会做直方图,可以先选择A1:C7,插入一个柱形图,可能是这样。
4)点击图形,在上面“图表工具”的“设计”标签中选择“选择数据”,可以增删图例项,指定水平轴的标签,最后是这样即可,多琢磨一下应该能掌握。
5)为了对比,将纵坐标轴的最大值设为10,最小值设为-10。放上两张平均值均为5,但离均差却不同的截图。可以看出前一张的成绩相对集中一些,也就是离散程度小。要是枪枪都是5环,就没有离散了。
6)如果简单将离均差求和,正负抵消最后得到0,所以采用离均差的平方和的平均值作为衡量数据离散程度的指标,就是方差。为什么要用平均值呢?因为各个样本的大小或者说数量不同,使用平均值增加了相互之间可比性。
7)在B9输入总体方差公式“=varp(B2:B7)”。C9输入根据定义的公式“=sumsq(C2:C7)/6”,两者结果相同。从图形可以看出,方差数值越大,离散程度越大。
8)如果我们一共开了6枪,所有的数据都收集到了,可以认为样本总体就是,使用总体方差公式。
9)但实际情况是,我们一生中可能开了无数枪,而只用这6枪的成绩作为总体中的一个样本时,就要使用样本方差公式,用部分样本来代表整体样本的情况。
10)在B10输入样本方差公式“=var(B2:B7)”。C10输入根据定义的公式“=sumsq(C2:C7)/5”,两者结果相同。从图形可以看出,方差数值越大,离散程度越大。
11)样本量越大越能反映真实情况。分母的N和n-1表示自由度。
12)Excel帮助里面的公式样子不太相同,下面是推导过程。
(待续)
相关推荐
- JPA实体类注解,看这篇就全会了
-
基本注解@Entity标注于实体类声明语句之前,指出该Java类为实体类,将映射到指定的数据库表。name(可选):实体名称。缺省为实体类的非限定名称。该名称用于引用查询中的实体。不与@Tab...
- Dify教程02 - Dify+Deepseek零代码赋能,普通人也能开发AI应用
-
开始今天的教程之前,先解决昨天遇到的一个问题,docker安装Dify的时候有个报错,进入Dify面板的时候会出现“InternalServerError”的提示,log日志报错:S3_USE_A...
- 用离散标记重塑人体姿态:VQ-VAE实现关键点组合关系编码
-
在人体姿态估计领域,传统方法通常将关键点作为基本处理单元,这些关键点在人体骨架结构上代表关节位置(如肘部、膝盖和头部)的空间坐标。现有模型对这些关键点的预测主要采用两种范式:直接通过坐标回归或间接通过...
- B 客户端流RPC (clientstream Client Stream)
-
客户端编写一系列消息并将其发送到服务器,同样使用提供的流。一旦客户端写完消息,它就等待服务器读取消息并返回响应gRPC再次保证了单个RPC调用中的消息排序在客户端流RPC模式中,客户端会发送多个请...
- 我的模型我做主02——训练自己的大模型:简易入门指南
-
模型训练往往需要较高的配置,为了满足友友们的好奇心,这里我们不要内存,不要gpu,用最简单的方式,让大家感受一下什么是模型训练。基于你的硬件配置,我们可以设计一个完全在CPU上运行的简易模型训练方案。...
- 开源项目MessageNest打造个性化消息推送平台多种通知方式
-
今天介绍一个开源项目,MessageNest-可以打造个性化消息推送平台,整合邮件、钉钉、企业微信等多种通知方式。定制你的消息,让通知方式更灵活多样。开源地址:https://github.c...
- 使用投机规则API加快页面加载速度
-
当今的网络用户要求快速导航,从一个页面移动到另一个页面时应尽量减少延迟。投机规则应用程序接口(SpeculationRulesAPI)的出现改变了网络应用程序接口(WebAPI)领域的游戏规则。...
- JSONP安全攻防技术
-
关于JSONPJSONP全称是JSONwithPadding,是基于JSON格式的为解决跨域请求资源而产生的解决方案。它的基本原理是利用HTML的元素标签,远程调用JSON文件来实现数据传递。如果...
- 大数据Doris(六):编译 Doris遇到的问题
-
编译Doris遇到的问题一、js_generator.cc:(.text+0xfc3c):undefinedreferenceto`well_known_types_js’查找Doris...
- 网页内嵌PDF获取的办法
-
最近女王大人为了通过某认证考试,交了2000RMB,官方居然没有给线下教材资料,直接给的是在线教材,教材是PDF的但是是内嵌在网页内,可惜却没有给具体的PDF地址,无法下载,看到女王大人一点点的截图保...
- 印度女孩被邻居家客人性骚扰,父亲上门警告,反被围殴致死
-
微信的规则进行了调整希望大家看完故事多点“在看”,喜欢的话也点个分享和赞这样事儿君的推送才能继续出现在你的订阅列表里才能继续跟大家分享每个开怀大笑或拍案惊奇的好故事啦~话说只要稍微关注新闻的人,应该...
- 下周重要财经数据日程一览 (1229-0103)
-
下周焦点全球制造业PMI美国消费者信心指数美国首申失业救济人数值得注意的是,下周一希腊还将举行第三轮总统选举需要谷歌日历同步及部分智能手机(安卓,iPhone)同步日历功能的朋友请点击此链接,数据公布...
- PyTorch 深度学习实战(38):注意力机制全面解析
-
在上一篇文章中,我们探讨了分布式训练实战。本文将深入解析注意力机制的完整发展历程,从最初的Seq2Seq模型到革命性的Transformer架构。我们将使用PyTorch实现2个关键阶段的注意力机制变...
- 聊聊Spring AI的EmbeddingModel
-
序本文主要研究一下SpringAI的EmbeddingModelEmbeddingModelspring-ai-core/src/main/java/org/springframework/ai/e...
- 前端分享-少年了解过iframe么
-
iframe就像是HTML的「内嵌画布」,允许在页面中加载独立网页,如同在画布上叠加另一幅动态画卷。核心特性包括:独立上下文:每个iframe都拥有独立的DOM/CSS/JS环境(类似浏...
- 一周热门
- 最近发表
- 标签列表
-
- HTML 教程 (33)
- HTML 简介 (35)
- HTML 实例/测验 (32)
- HTML 测验 (32)
- HTML 参考手册 (28)
- JavaScript 和 HTML DOM 参考手册 (32)
- HTML 拓展阅读 (30)
- HTML中如何键入空格 (27)
- HTML常用标签 (29)
- HTML文本框样式 (31)
- HTML滚动条样式 (34)
- HTML5 浏览器支持 (33)
- HTML5 新元素 (33)
- HTML5 WebSocket (30)
- HTML5 代码规范 (32)
- HTML5 标签 (717)
- HTML5 标签 (已废弃) (75)
- HTML5电子书 (32)
- HTML5开发工具 (34)
- HTML5小游戏源码 (34)
- HTML5模板下载 (30)
- HTTP 状态消息 (33)
- HTTP 方法:GET 对比 POST (33)
- 键盘快捷键 (35)
- 标签 (226)