Excel: Επισκόπηση
Το Microsoft Excel παρέχει ενσωματωμένες συναρτήσεις για τον υπολογισμό τόσο της δειγματικής όσο και της πληθυσμιακής τυπικής απόκλισης. Αυτές οι συναρτήσεις είναι διαθέσιμες σε όλες τις σύγχρονες εκδόσεις του Excel.
Συναρτήσεις Excel
| Συνάρτηση | Τύπος | Περιγραφή |
|---|---|---|
| `STDEV.S()` | Δείγμα | Δειγματική τυπική απόκλιση (διαιρεί με n-1) |
| `STDEV.P()` | Πληθυσμός | Πληθυσμιακή τυπική απόκλιση (διαιρεί με N) |
| `STDEV()` | Δείγμα | Παλαιότερη συνάρτηση, ίδια με STDEV.S |
| `STDEVP()` | Πληθυσμός | Παλαιότερη συνάρτηση, ίδια με STDEV.P |
Παραδείγματα Excel
// Data in cells A1:A10
=STDEV.S(A1:A10) // Sample SD
=STDEV.P(A1:A10) // Population SD
// For specific values
=STDEV.S(4, 8, 6, 5, 3) // Returns 1.924
// Ignoring text and logical values
=STDEV.S(A1:A10) // Ignores text
=STDEVA(A1:A10) // Includes text as 0Χρήσιμη Συμβουλή
Python: Επισκόπηση
Η Python προσφέρει πολλαπλούς τρόπους υπολογισμού της τυπικής απόκλισης. Οι πιο συνηθισμένες βιβλιοθήκες είναι η NumPy, τα Pandas και η ενσωματωμένη μονάδα statistics.
Χρήση NumPy
import numpy as np
data = [4, 8, 6, 5, 3]
# Population standard deviation (default)
pop_sd = np.std(data)
print(f"Population SD: {pop_sd}") # 1.720
# Sample standard deviation
sample_sd = np.std(data, ddof=1)
print(f"Sample SD: {sample_sd}") # 1.924Τι είναι το ddof;
Χρήση Pandas
import pandas as pd
# Create a DataFrame
df = pd.DataFrame({'scores': [85, 90, 78, 92, 88]})
# Sample SD (default in pandas)
sample_sd = df['scores'].std()
print(f"Sample SD: {sample_sd}")
# Population SD
pop_sd = df['scores'].std(ddof=0)
print(f"Population SD: {pop_sd}")
# Multiple columns at once
df.std() # Returns SD for all numeric columnsΣύντομη Σύγκριση
| Εργαλείο | Δειγματική ΤΑ | Πληθυσμιακή ΤΑ |
|---|---|---|
| Excel | `STDEV.S()` | `STDEV.P()` |
| NumPy | `np.std(data, ddof=1)` | `np.std(data)` |
| Pandas | `df.std()` | `df.std(ddof=0)` |
| Python statistics | `stdev()` | `pstdev()` |