విషయ సూచిక
ఈ కథనంలో, నేను Excelలో రెండు డేటా సెట్ల గణాంక పోలికను చర్చిస్తాను. కొన్నిసార్లు, స్ప్రెడ్‌షీట్‌లతో పని చేస్తున్నప్పుడు, మేము డేటాను గణాంకపరంగా సరిపోల్చాలి. అదృష్టవశాత్తూ, డేటా సెట్ల మధ్య పోలిక చేయడానికి Excel కొన్ని అంతర్నిర్మిత ఫంక్షన్‌లను కలిగి ఉంది.
ప్రాక్టీస్ వర్క్‌బుక్‌ని డౌన్‌లోడ్ చేయండి
మేము దీన్ని సిద్ధం చేయడానికి ఉపయోగించిన ప్రాక్టీస్ వర్క్‌బుక్‌ని మీరు డౌన్‌లోడ్ చేసుకోవచ్చు. వ్యాసం.
రెండు డేటా సెట్ల గణాంక పోలిక.xlsx
Excelలో రెండు డేటా సెట్ల గణాంక పోలిక కోసం కీలక పద్ధతి
రెండు డేటా సెట్ల పరిచయం యొక్క Excel గణాంక పోలిక
మా ఉదాహరణలో, మేము స్టీల్-కట్ వోట్స్ మరియు రోల్డ్ వోట్స్ యొక్క రెండు నెలవారీ విక్రయాల డేటా సెట్‌లను ఉపయోగిస్తాము. ఎక్సెల్ ద్వారా గణాంకపరంగా పోల్చడం ద్వారా, ఈ రెండు రకాల వోట్స్ అమ్మకాలు కాలక్రమేణా ఎలా మారతాయో మేము కనుగొంటాము. అంతే కాకుండా, మేము అమ్మకాలను కూడా గ్రాఫికల్‌గా చూపుతాము. ఇంకా, మా గణాంక పోలిక సౌలభ్యం కోసం, మేము ముందుగా మీన్, స్టాండర్డ్ డివియేషన్, కోఎఫీషియంట్ ఆఫ్ వేరియేషన్ మరియు రేంజ్ ఆఫ్ స్టీల్-కట్ వోట్స్ అంటే శ్రేణిని ( C5:C11 ) కనుగొంటాము.
దశలు :
- ప్రారంభంలో, మీన్ ఆఫ్ స్టీల్ కట్ వోట్స్‌ని పొందడానికి, క్రింది ఫార్ములాను సెల్ C12 లో టైప్ చేయండి .
=AVERAGE(C5:C11)
ఇక్కడ, AVERAGE ఫంక్షన్ అంకగణిత సగటును అందిస్తుంది డేటాసెట్ C5:C11 .
- తర్వాత, మేము డేటాసెట్ C5:C11 యొక్క ప్రామాణిక విచలనాన్ని కనుగొంటాము. కాబట్టి, కింది టైప్ చేయండి సెల్ C13 లో ఫార్ములా.
=STDEV.S(C5:C11) 
ఇక్కడ, STDEV. S ఫంక్షన్ నమూనా ఆధారంగా ప్రామాణిక విచలనాన్ని అంచనా వేస్తుంది (నమూనాలోని తార్కిక విలువలు మరియు వచనాన్ని విస్మరిస్తుంది)
- తర్వాత, మేము డేటాసెట్ ( C5:C11<వైవిధ్యం యొక్క గుణకం)ని గణిస్తాము 4>). CVని లెక్కించడానికి సూత్రం:
(ప్రామాణిక విచలనం/సగటు)*100
- కాబట్టి, పై సమీకరణాన్ని పరిగణనలోకి తీసుకుని, దిగువ టైప్ చేయండి స్టీల్-కట్ వోట్స్ అమ్మకాలను పొందడానికి సూత్రం:
=C13/C12 
- అయితే, మీరు నిర్ధారించుకోండి CVని శాతంలో లెక్కించండి. అలా చేయడానికి, సంబంధిత సెల్ ( C14 ) ఎంచుకోండి, హోమ్ > నంబర్ కి వెళ్లండి.
- ఇప్పుడు విలువను 1 దశాంశ స్థానం లోపల ఉంచడానికి ప్రయత్నించండి మరియు సరే నొక్కండి.
- ఆ తర్వాత, మేము డేటా సెట్ పరిధిని గణిస్తాము ( C5:C11 ). పైన పేర్కొన్న డేటా సెట్ పరిధిని గణించడానికి, ఇదిగో మా ఫార్ములా:
=MAX(C5:C11)-MIN(C5:C11) 
MAX ఫంక్షన్ డేటాసెట్ C5:C13 యొక్క అతిపెద్ద విలువను అందిస్తుంది. మరియు, MIN ఫంక్షన్ ఆ పరిధిలోని అతి చిన్న విలువను అందిస్తుంది. చివరగా, ఈ కనిష్ట విలువలను గరిష్ట విలువ నుండి తీసివేయడం ద్వారా, మేము స్టీల్-కట్ వోట్స్ పరిధిని పొందుతాము.
- చివరిగా, ఫిల్ హ్యాండిల్ ( + ) రోల్డ్ వోట్స్ డేటా యొక్క సగటు, STD విచలనం, CV మరియు పరిధిని లెక్కించడానికి అన్ని సూత్రాలను కాపీ చేసే సాధనంసెట్.
Excelలో డేటా సెట్ల మధ్య గణాంక పోలిక
మనకు లభించిన ఫలితాన్ని బట్టి డేటా సెట్‌లను సరిపోల్చండి పై గణన నుండి.
మీన్: సగటు అనేది డేటాసెట్ యొక్క అంకగణిత సగటు. మరియు, పై గణన నుండి, స్టీల్ కట్ వన్ అమ్మకాల కంటే రోల్డ్ వోట్ అమ్మకాల సగటు ఎక్కువగా ఉందని మనం చూడవచ్చు. అంటే, కాలక్రమేణా, రోల్డ్ ఓట్స్ అమ్మకాలు ఇతర వాటి కంటే ఎక్కువగా ఉన్నాయి.
ప్రామాణిక విచలనం: ప్రామాణిక విచలనం అనేది డేటా పాయింట్లు లేదా సంబంధిత విలువల వైవిధ్యం యొక్క కొలత. వారి సగటు లేదా సగటు. ఉదాహరణకు, విలువలు డేటాసెట్ సగటుకు దగ్గరగా ఉన్నాయని తక్కువ ప్రామాణిక విచలనం చెబుతుంది. మరోవైపు, అధిక ప్రామాణిక విచలనం అంటే విలువలు విస్తృత పరిధిలో విస్తరించి ఉన్నాయని అర్థం. ఇక్కడ, మా ఫలితం నుండి రోల్డ్ వోట్స్‌కు ప్రామాణిక విచలనం ఎక్కువగా ఉంటుంది. అందువల్ల, రోల్డ్ వోట్స్ యొక్క విక్రయ విలువలు స్టీల్-కట్ వోట్స్ కంటే విస్తృత పరిధిలో విస్తరించి ఉన్నాయని ఇది సూచిస్తుంది.
CV: వైవిధ్యం యొక్క గుణకం (CV) సాపేక్షంగా ఉంటుంది. వైవిధ్యం యొక్క కొలత దాని సగటుకు ప్రామాణిక విచలనం యొక్క పరిమాణాన్ని సూచిస్తుంది. పైన పేర్కొన్న మా గణన నుండి, స్టీల్ కట్ వోట్స్ యొక్క CV రోల్డ్ వోట్స్ కంటే కొంచెం ఎక్కువగా ఉందని మనం చూడవచ్చు. పర్యవసానంగా, స్టీల్-కట్ వాటితో పోలిస్తే రోల్డ్ ఓట్స్ అమ్మకాల విలువలు మరింత స్థిరంగా ఉన్నాయని మేము సంగ్రహించవచ్చు.
పరిధి: లోగణాంకాలు, డేటా సమితి పరిధి అతిపెద్ద మరియు చిన్న విలువల మధ్య వ్యత్యాసం. రోల్డ్ వోట్స్ అధిక శ్రేణిని కలిగి ఉన్నాయని డేటాసెట్ల నుండి స్పష్టంగా తెలుస్తుంది. ఈ ఫలితం కొన్ని నెలలుగా, స్టీల్ కట్ చేసిన వాటి కంటే రోల్డ్ ఓట్స్ అమ్మకాల హెచ్చుతగ్గులు ఎక్కువగా ఉన్నాయని సూచిస్తున్నాయి.
ముగింపు
పై కథనంలో, నేను గణాంక పోలిక పద్ధతిని విపులంగా చర్చించడానికి ప్రయత్నించాను. మీ సమస్యలను పరిష్కరించడానికి ఈ పద్ధతి మరియు వివరణ సరిపోతుందని ఆశిస్తున్నాము. మీకు ఏవైనా సందేహాలు ఉంటే దయచేసి నాకు తెలియజేయండి.
