Excel: Gambaran Keseluruhan
Microsoft Excel menyediakan fungsi terbina dalam untuk mengira sisihan piawai sampel dan populasi. Fungsi-fungsi ini tersedia dalam semua versi moden Excel.
Fungsi Excel
| Fungsi | Jenis | Penerangan |
|---|---|---|
| `STDEV.S()` | Sampel | Sisihan piawai sampel (bahagi dengan n-1) |
| `STDEV.P()` | Populasi | Sisihan piawai populasi (bahagi dengan N) |
| `STDEV()` | Sampel | Fungsi warisan, sama seperti STDEV.S |
| `STDEVP()` | Populasi | Fungsi warisan, sama seperti STDEV.P |
Contoh Excel
Excel Formulas
// 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 0Petua Pro
Gunakan STDEV.S untuk kebanyakan analisis dunia sebenar. Hanya gunakan STDEV.P apabila anda pasti mempunyai populasi yang lengkap.
Python: Gambaran Keseluruhan
Python menawarkan pelbagai cara untuk mengira sisihan piawai. Pustaka yang paling lazim ialah NumPy, Pandas, dan modul statistics terbina dalam.
Menggunakan NumPy
Python (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}") # 1.924Apakah ddof?
ddof bermaksud “Delta Darjah Kebebasan”. Menetapkan ddof=1 memberitahu NumPy untuk membahagi dengan (n-1) bagi SD sampel. Nilai lalai ddof=0 memberikan SD populasi.
Menggunakan Pandas
Python (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 columnsPerbandingan Pantas
| Alat | SD Sampel | SD Populasi |
|---|---|---|
| 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()` |