[中字] Excel 中的描述性与推断性统计公式课程（中文字

幕英文视频教程） 本课程专注于帮助学习者在 Excel 软件环境中，系统掌握描述性统计与推断性统计公式的构建方法、应用场景及实操技巧。通过理论讲解与案例实操相结合的方式，让学习者能够熟练运用 Excel 中的各类统计函数与工具，处理实际工作与学习中的数据统计分析需求，从数据中挖掘有价值的信息，为决策提供科学依据。无论是数据处理新手，还是希望提升统计分析能力的职场人士，都能通过本课程获得实用且系统的统计知识与 Excel 操作技能。 第一模块：构建描述性统计公式 本模块围绕描述性统计展开，旨在让学习者掌握如何利用 Excel 构建相关公式，对数据进行整理、概括与描述，清晰呈现数据的基本特征。模块包含丰富的学习资源，除核心的 PPT 课件、完整的 Excel 案例文件及教学用 Excel 文件外，还有 22 个细分知识点的视频讲解及对应的中文字幕，方便学习者随时随地学习并理解关键内容。 数据计数相关函数 在数据统计分析中，准确计数是基础环节，本模块首先介绍了 Excel 中多种常用的计数函数。 COUNT 函数：该函数主要用于计算指定单元格区域中包含数字的单元格个数，帮助学习者快速统计数据集中有效数字的数量，是数据初步整理时常用的工具。例如，在员工工资数据集中，可利用 COUNT 函数快速统计有工资记录的员工人数。 COUNTA 函数：与 COUNT 函数不同，COUNTA 函数能够计算指定单元格区域中非空单元格的个数，包括文本、数字、逻辑值等类型的数据。在统计调查问卷的有效回收份数时，可通过 COUNTA 函数统计填写完整的问卷数量，排除空白问卷。 COUNTBLANK 函数：此函数专门用于计算指定单元格区域中的空白单元格个数。在数据录入完成后，利用该函数可快速检查数据是否存在缺失情况，如在学生成绩表中，统计未填写成绩的学生人数，便于后续数据补充。 COUNTIF 函数：该函数属于条件计数函数，能根据指定的单个条件计算单元格个数。例如，在销售数据中，可使用 COUNTIF 函数统计某一产品的销售记录条数，或者统计销售额大于特定数值的交易次数，帮助使用者快速筛选并统计符合特定条件的数据。 COUNTIFS 函数：作为 COUNTIF 函数的扩展，COUNTIFS 函数支持多个条件同时满足的计数需求。在多维度数据统计中应用广泛，比如在员工信息表中，统计部门为 “技术部” 且入职时间在 “2023 年之后” 的员工人数，通过设置多个条件，精准获取所需统计结果。 数据平均计算相关函数 平均值是描述数据集中趋势的重要指标，本模块详细讲解了 Excel 中用于计算平均值的各类函数及其应用场景。 AVERAGE 函数：这是最基础的平均值计算函数，用于计算指定单元格区域中所有数值的算术平均值。在日常工作中，可利用该函数计算员工的平均工资、学生的平均成绩等，快速掌握数据的整体水平。 AVERAGEIF 函数：该函数可根据指定的单个条件计算平均值。例如，在销售数据中，计算某一地区的平均销售额，或者计算某一时间段内的平均订单金额，通过设置条件，精准计算特定范围内数据的平均值。 AVERAGEIFS 函数：支持多个条件的平均值计算，适用于复杂的数据分析场景。比如在产品销售数据中，计算 “类别为电子产品” 且 “销售渠道为线上” 的产品平均利润，通过多条件筛选，得到更具针对性的平均数据结果。 数据集中趋势与离散程度分析函数 除了基础的计数与平均计算，本模块还深入讲解了用于分析数据集中趋势和离散程度的函数，帮助学习者全面了解数据特征。 MEDIAN 函数：用于计算一组数据的中位数，即把数据按大小顺序排列后，位于中间位置的数值。中位数不受极端值的影响，在数据分布不均匀时，能更客观地反映数据的集中趋势。例如，在居民收入数据中，由于存在少数高收入人群，使用中位数比平均值更能准确体现居民收入的一般水平。 MODE 函数：用于找出一组数据中出现频率最高的数值，即众数。众数在分析数据的分布特征时具有重要意义，比如在服装销售数据中，通过 MODE 函数找出最畅销的服装尺码，为库存管理提供参考。 加权平均数计算：除了简单算术平均数，本模块还介绍了加权平均数的计算方法。在实际生活中，很多数据的重要程度不同，需要考虑权重因素。例如，计算学生的综合成绩时，期末考试成绩权重为 60%，平时成绩权重为 40%，通过加权平均计算，能更合理地反映学生的真实学习情况。 极值计算函数： MAX 函数：用于找出指定单元格区域中的最大值，快速获取数据中的上限值。如在产品质量检测数据中，利用 MAX 函数找出最大的误差值，关注质量控制的关键节点。 MIN 函数：用于找出指定单元格区域中的最小值，获取数据中的下限值。在温度监测数据中，通过 MIN 函数找出最低温度，为相关设备的防寒保护提供依据。 LARGE 和 SMALL 函数： LARGE 函数：可返回指定单元格区域中第 K 个最大值，帮助使用者获取数据中排名靠前的数值。例如，在销售业绩数据中，使用 LARGE 函数找出排名前 5 的销售额，分析顶尖销售人员的业绩表现。 SMALL 函数：与 LARGE 函数相反，返回指定单元格区域中第 K 个最小值，便于获取数据中排名靠后的数值。如在生产成本数据中，找出成本最低的 5 个产品，分析成本控制的成功案例。 Top K 与 Bottom K 值计算：在实际数据分析中，经常需要对数据的前 K 个或后 K 个数值进行汇总计算。本模块介绍了如何结合相关函数，对 Top K 值和 Bottom K 值进行求和、求平均等计算操作。例如，在月度销售数据中，计算销售额前 10 名的总销售额，或者计算成本后 5 名的平均成本，为业务决策提供针对性的数据支持。 排名计算：通过相应函数可对数据进行排名，清晰展示每个数据在整体数据集中的位置。在员工绩效考核中，对员工的业绩进行排名，帮助企业了解员工的业绩水平分布，为奖惩和晋升提供依据。 百分位数计算：百分位数用于描述数据在某一百分比位置上的数值，反映数据的分布情况。例如，计算考试成绩的 90 百分位数，即有 90% 的学生成绩低于该数值，10% 的学生成绩高于该数值，可用于划分成绩等级，评估学生的学习水平在群体中的位置。 变异程度度量： 极差计算：极差是一组数据中最大值与最小值的差值，通过 RANGE 函数可快速计算。极差能直观反映数据的离散范围，但受极端值影响较大，适用于初步了解数据的波动情况。 方差计算：方差用于衡量数据偏离平均值的程度，方差越大，说明数据的离散程度越大；方差越小，数据越集中。在质量控制中，通过计算产品尺寸的方差，判断生产过程的稳定性。 标准差计算：标准差是方差的平方根，其单位与原始数据一致，更便于理解和解释数据的离散程度。例如，在分析不同班级学生成绩的离散情况时，标准差比方差更能直观地体现班级内部成绩的差异大小。 频率分布：频率分布是将数据按照一定的分组方式，统计每组数据出现的频率，通过频率分布可清晰了解数据的分布特征。本模块介绍了如何在 Excel 中构建频率分布表和频率分布图，如对学生身高数据进行分组，统计每个身高区间的学生人数及频率，直观展示学生身高的分布情况。 第二模块：构建推断性统计公式 推断性统计是基于样本数据对总体特征进行推断和预测的统计方法，本模块聚焦于在 Excel 中构建推断性统计公式，帮助学习者掌握从样本推断总体的核心技能，解决实际中的预测、判断等问题。模块同样配备了 PPT 课件、完整 Excel 案例文件、教学用 Excel 文件，以及 20 个细分知识点的视频讲解和中文字幕，为学习者提供全方位的学习支持。 推断性统计基础与数据抽样 推断性统计理解：首先介绍了推断性统计的基本概念、原理和应用场景，让学习者明确推断性统计与描述性统计的区别与联系，理解从样本推断总体的必要性和合理性，为后续学习打下理论基础。 数据抽样方法： 周期性抽样：该抽样方法是按照固定的间隔从总体中抽取样本。例如，在生产线上，每隔 10 个产品抽取 1 个进行质量检测，这种方法操作简单，适用于总体数量较大且分布均匀的情况，可保证样本的代表性。 随机抽样：随机抽样是指从总体中随机抽取样本，每个个体被抽取的概率相等，能有效避免抽样偏差。本模块详细介绍了在 Excel 中实现随机抽样的方法，如利用相关函数生成随机数，再根据随机数筛选样本，确保抽样结果的客观性和科学性。 变量关系分析 在数据分析中，探究变量之间的关系是重要内容，本模块介绍了相关的分析方法和函数。 变量相关性判断：通过图形展示（如散点图）和统计方法，初步判断两个变量之间是否存在相关关系，是正相关、负相关还是无相关。例如，分析广告投入与产品销售额之间的关系，通过散点图观察两者的变化趋势，初步判断是否存在相关关系。 协方差计算：协方差用于衡量两个变量的总体误差，若协方差为正，说明两个变量呈正相关；若为负，呈负相关；若为零，则两者不相关。但协方差的数值大小受变量单位影响较大，难以直接用于比较相关程度。在 Excel 中，可利用相应函数快速计算协方差，为进一步分析变量关系提供数据支持。 相关系数计算：相关系数是用于衡量两个变量之间线性相关程度的指标，其取值范围在 - 1 到 1 之间。相关系数的绝对值越接近 1，说明两个变量的线性相关程度越强；越接近 0，线性相关程度越弱。通过计算相关系数，能更准确地量化变量之间的相关关系，如计算学生学习时间与考试成绩的相关系数，判断两者的线性相关程度。 概率分布 概率分布是推断性统计的重要基础，本模块详细介绍了多种常见的概率分布及其在 Excel 中的应用。 概率计算基础：讲解了概率的基本概念和计算方法，为学习概率分布奠定基础，让学习者理解概率在统计推断中的作用。 离散概率分布： 二项分布：二项分布适用于 n 次独立重复试验，每次试验只有两种可能结果（成功或失败），且每次试验成功的概率相同。在 Excel 中，可利用相关函数计算二项分布的概率值，如计算在 10 次抛硬币试验中，出现 5 次正面的概率，或者计算某产品的不合格率已知时，在抽样检验中出现特定数量不合格品的概率。 超几何分布：超几何分布用于从有限总体中进行不放回抽样，适用于总体数量较小的情况。例如，在一批含有 50 个产品（其中 5 个不合格品）的总体中，随机抽取 10 个产品，计算抽到 2 个不合格品的概率，可利用超几何分布函数进行计算。 泊松分布：泊松分布主要用于描述在一定时间或空间内，某一事件发生次数的概率分布。如计算某商店在一天内接待顾客的人数、某地区在一个月内发生交通事故的次数等事件的概率，通过泊松分布函数，可快速获取相关概率值，为决策提供参考。