Научный журнал
Международный журнал прикладных и фундаментальных исследований

ISSN 1996-3955
ИФ РИНЦ = 0,580

СПОСОБ ПОСТРОЕНИЯ ТАБЛИЦ ОДНОМЕРНОГО РАСПРЕДЕЛЕНИЯ В ЭЛЕКТРОННЫХ ТАБЛИЦАХ

Курзаева Л.В. 1
1 ФГБОУ ВО «Магнитогорский государственный технический университет им. Г.И. Носова»
В статье описывается способ построения одномерного распределения в электронных таблицах с использованием функции ЧАСТОТА и расширенного фильтрав MicrosoftExcel. Построение и дальнейший анализ одномерного распределения основывается на представлении данных в виде ряда распределения, который является исходным для применения большинства статистических методов. Такое распределение может использоваться для решения задач описательной статистики. В рамках данной статьи рассматривается построение дискретного вариационного ряда, т.е. ряда, значения вариант которого выражены одним числом (значением признака), а также интервального ряда.Материалы данной статьи представляют методическую и практическую ценность для преподавателей, занимающихся вопросами повышения эффективности обучения в области основ анализа данных с информационных технологий, и осуществляющие реализацию образовательного процесса в вузах и на курсах повышения квалификаций.
Ключевыеслова: анализ данных
электронные таблицы
1. Курзаева Л.В. Дистанционный курс «Основы математической обработки информации»: электронный учебно-методический комплекс // Хроники объединенного фонда электронных ресурсов Наука и образование. - 2014. -Т. 1. - № 12 (67). - С. 117
2. Курзаева Л.В. Введение в теорию систем и системный анализ: учеб. пособие/Л.В. Курзаева. -Магнитогорск: МаГУ, 2015. -211 с.
3. Курзаева Л.В. Введение в анализ данных с использованием информационных технологий: учеб. -метод. Пособие/Л.В. Курзаева, И.Г. Овчинникова. -Магнитогорск:МаГУ, 2012. -60 с.

Работа с рядами данных – один из основных навыков специалистов, занимающихся аналитической деятельностью.

Рассмотрим этапы построения вариационных рядов с использованием указанных функций на следующем примере.Дана оценка расходов на ЖКХ 62 респондентов (табл. 1).

Заметим, что рассматриваемая далее последовательность шагов применима и для построения атрибутивного ряда, при условии предварительного кодирования данных (присваивания числовых аналогов нечисловым значениям признака).

Шаг 1. Подготовка данных – сортировка (данный шаг можно пропустить, т.к. он служит лишь для удобства восприятия ряда). Произведем сортировку по возрастанию представленных данных по столбцу «Оцените ваши расходы на ЖКХ за последний год».

Для этого выделите весь диапазон данных, выберите в пункте меню Сервис опцию Сортировка, а затем в открывшемся окне установите столбец, по которому будет производиться сортировка и вид сортировки – по возрастанию.

После сортировки данные будут выглядеть как на рис. 2,при этом в конце ряда останутся респонденты, не ответившие на вопрос (ответы отмечены знаком «-»).

Шаг 2. Построение массива признаков. Данный шаг можно осуществить двумя способами.

1 способ: ручной ввод. Выписать по одному все встречающиеся значения исследуемого признака (например, в столбец D). Этот способ прост в том случае, если данные были отсортированы (шаг 1), но и это при большом объеме данных не позволяет избежать ошибок, а также затрачивает достаточно много времени.

2 способ: автоматический. Выбираем в меню Данные и в нем Фильтр – Расширенный фильтр. В открывшемся окне (см. рис. 3) устанавливаем переключатель на положение Скопировать результат в другое место,указываем интересующий нас интервал сходных данных в поле Исходный диапазон; указываем ячейку – место начала размещения массива признаков в окне Переместить результат в диапазон, устанавливаем флажок Только уникальные записи. Этот способ более предпочтителен.

Шаг 3. Расчет частот. Теперь выделите весь диапазон ячеек напротив выделенных признаков (например, Е2:Е19), поставьте знак «=», укажите имя функции ЧАСТОТА, после открывающихся скобок выделите массив_данных (D2:D63), а затем через точку запятой массив_интервалов – значения исследуемого признака (D2:D19). После закрытия скобок нажмите удерживая Ctrl+Shift кнопку Enter (такая комбинация клавиш для ввода функций используется всегда при работе с массивами данных).

Как видно на рис. 4, сумма всех частот равна 52, а всего было опрошено 62 респондента. Разница между количеством опрошенных и ответивших составляет как раз 10 человек.

3.3.png
22.png
3.4.png

Рис. 4. Использование функции ЧАСТОТА

Этапы построения интервального вариационного ряда

Так как дискретный вариационный ряд из нашего примера содержит довольно большое число значений признака (18 значений признаков), было бы более правильно представить исходные данные в виде интервального ряда. Рассмотрим шаги построения последнего.

Таблица 1

Данные опроса по оценке расходов на ЖКХ

№ респондента

Оцените ваши расходы на ЖКХ за последний год

№ респондента

Оцените ваши расходы на ЖКХ за последний год

1

25000

32

25000

2

23000

33

15000

3

22000

34

15000

4

22000

35

16000

5

21000

36

15000

6

23000

37

-

7

22000

38

18000

8

20000

39

14000

9

25000

40

14000

10

-

41

14000

11

20000

42

18000

12

23000

43

-

13

23000

44

20000

14

23000

45

15000

15

21000

46

-

16

21000

47

17400

17

-

48

13200

18

-

49

-

19

25000

50

18000

20

25000

51

15000

21

25000

52

16000

22

25000

53

-

23

25000

54

15000

24

24000

55

14000

25

22000

56

13300

26

22000

57

13500

27

20500

58

17000

28

20800

59

14000

29

-

60

15000

30

22000

61

-

31

20700

62

17000

2.png

Рис. 2. Сортировка данных

Рис. 3. Расширенный фильтр

Шаг 1. Определение количества интервалов. Воспользовавшись формулой Стержеса, вычислим рекомендуемое количество интервалов: r≈1+3,2*lg(n)≈1+3,2*lg(62)≈6,7. Округлив полученное значение до целых, определяем, что ряд будет содержать 7 интервалов (ячейка Е1 на рис. 5).

Шаг 2. Определение шага (длины интервала). Для того чтобы интервалы ряда были равными, вычислим шаг следующим образом: определим разность между максимальным и минимальным значениями в исходном ряду данных, а затем разделим ее на количество интервалов (ячейка E2 на рис. 5).

Рис. 5. Построение интервального ряда

5.5.png

Шаг 3. Восстановление массива интервалов. Теперь, начиная от минимального значения исходных данных, с учетом вычисленной длины интервалов, создадим массив интервалов (диапазон ячеек D5:D12 на рис. 5).

Шаг 4. Расчет частот. Расчет частот производится с помощью функции ЧАСТОТА так же, как и в случае дискретного ряда (см. шаг 3 в этапах построения дискретного ряда), при этом в качестве массива интервалов используются конечные значения рассчитанных интервалов (диапазон ячеек D6:D12 на рис. 5).

Рассмотренная последовательность шагов проста, но не самая оптимальная в плане времени обработки данных (более удобен инструмент «сводные таблицы»). Однако дидактический эффект заключается в раскрытии этапов построения одномерных рядов данных, понимания их сущности и видов, а также различие способов их построения.


Библиографическая ссылка

Курзаева Л.В. СПОСОБ ПОСТРОЕНИЯ ТАБЛИЦ ОДНОМЕРНОГО РАСПРЕДЕЛЕНИЯ В ЭЛЕКТРОННЫХ ТАБЛИЦАХ // Международный журнал прикладных и фундаментальных исследований. – 2016. – № 12-7. – С. 1221-1224;
URL: https://applied-research.ru/ru/article/view?id=11016 (дата обращения: 22.06.2021).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074