기술 통계량 저장에 대한 통계량 선택

데이터 중심을 나타내는 하나의 값으로 표본을 설명하려면 평균을 사용하십시오. 많은 통계 분석에서 평균을 데이터의 분포 중심에 대한 표준 측도로 사용합니다.

평균의 표준 오차를 사용하여 표본의 평균이 모평균을 얼마나 정확하게 추정하는지 확인할 수 있습니다. 자세한 내용을 보려면 모든 통계량 및 그래프에서 "SE 평균"을 클릭하십시오.

데이터가 평균을 중심으로 퍼져 있는 정도를 확인하려면 표준 편차를 사용합니다. 자세한 내용은 모든 통계량 및 그래프에서 "표준 편차"를 클릭하십시오.

데이터가 평균을 중심으로 퍼져 있는 정도를 확인하려면 분산을 사용합니다. 분산은 표준 편차의 제곱과 같습니다. 자세한 내용은 모든 통계량 및 그래프에서 "분산"을 클릭하십시오.

변동 계수(COV)는 평균에 상대적인 데이터의 변동을 설명하는 산포의 측도입니다. 변동 계수는 값이 단위가 없는 척도로 표시되도록 조정됩니다. 변동 계수는 이런 방식으로 조정되기 때문에 표준 편차 대신 단위가 다르거나 평균이 매우 다른 데이터의 변동성을 비교하는 데 사용할 수 있습니다. 자세한 내용을 보려면 모든 통계량 및 그래프에서 "변동 계수"를 클릭하십시오.

워크시트에서 변동 계수의 열 이름은 CVariation입니다.

범위는 표본의 최대 데이터 값과 최소 데이터 값의 차이입니다. 범위는 모든 데이터 값을 포함하는 가장 작은 간격을 나타냅니다.

합은 모든 데이터 값의 합입니다.

최소값은 표본에서 가장 작은 데이터 값입니다. 가능한 특이치 또는 데이터 입력 오류를 식별하려면 최소값을 사용합니다. 데이터의 산포를 평가하는 가장 간단한 방법은 최소값과 최대값을 비교하는 것입니다.

표본 내 데이터 값의 25%가 제1 사분위수 값보다 작습니다. 워크시트에서 제1 사분위수의 열 이름은 Q1입니다.

중위수는 데이터의 분포 중심에 대한 또 하나의 측도입니다. 중위수는 일반적으로 평균보다 특이치의 영향을 덜 받습니다. 데이터 값의 반은 중위수 값보다 크고, 데이터 값의 반은 중위수 값보다 작습니다.

표본 내 데이터 값의 25%가 제3 사분위수 값보다 큽니다. 워크시트에서 제3 사분위수의 열 이름은 Q3입니다.

최대값은 표본에서 가장 큰 데이터 값입니다. 가능한 특이치 또는 데이터 입력 오류를 식별하려면 최대값을 사용합니다. 데이터의 산포를 평가하는 가장 간단한 방법은 최소값과 최대값을 비교하는 것입니다.

사분위간 범위(IQR)는 제1 사분위수(Q1)와 제3 사분위수(Q3) 사이의 거리입니다. 데이터의 산포를 설명하려면 사분위간 범위를 사용합니다. IQR 값이 클수록 데이터의 산포가 크다는 것을 나타냅니다.

표본에 있는 비결측값의 개수입니다. 워크시트에서 비결측값 개수의 열 이름은 N입니다.

표본에 있는 결측값의 개수입니다. 결측값 개수는 결측값 기호 *가 있는 셀을 가리킵니다. 워크시트에서 결측값 개수의 열 이름은 NMissing입니다.

열에 있는 관측치의 총 개수입니다. 결측값 개수와 비결측값 개수를 나타내는 데 사용합니다 워크시트에서 관측치 개수의 열 이름은 Count입니다.

백분율은 한 범주의 전체에 대한 기여도를 나타냅니다. 백분율은 해당 범주의 빈도를 전체 빈도로 나눈 다음 100을 곱하여 계산됩니다. 예를 들어, 400개의 부품을 검사하고 그 중 21개가 불량일 경우 불량률은 다음과 같습니다.

누적 백분율은 각 범주의 개별 백분율과 상대적으로, 해당 범주까지 모든 백분율 값의 합입니다. 워크시트에서 누적 백분율의 열 이름은 CumP입니다.

절사 평균을 사용하면 너무 크거나 너무 작은 값들이 평균에 영향을 미치지 않도록 할 수 있습니다. 데이터에 특이치가 있는 경우 절사 평균이 평균보다 더 나은 중심 위치의 측도일 수 있습니다. 자세한 내용을 보려면 모든 통계량 및 그래프에서 "절사 평균"을 클릭하십시오.

수정되지 않은 제곱합은 각 열의 값을 제곱한 다음 제곱 값의 합을 구하여 계산됩니다. 즉, 열에 x₁, x₂, ... , x_n이 포함되어 있는 경우 제곱합은 (x₁² + x₂² + ... + x_n²)입니다. 수정 제곱합과 달리 수정되지 않은 제곱합에는 오차가 포함됩니다. 데이터 값은 먼저 평균을 빼지 않은 제곱입니다.

데이터가 대칭이 아닌 정도를 확인하려면 왜도를 사용합니다. 자세한 내용은 왜도 및 첨도가 분포에 미치는 영향에서 확인하십시오.

데이터가 정규 곡선에 비해 뽀족한 정도를 확인하려면 첨도를 사용합니다. 자세한 내용은 왜도 및 첨도가 분포에 미치는 영향에서 확인하십시오.

연속된 차이 제곱 평균(MSSD)은 분산의 추정치입니다. MSSD를 사용하여 일련의 관측치가 랜덤인지 여부를 검정할 수 있습니다. 품질 관리에서 MSSD를 사용하여 부분군 크기 = 1일 때 분산을 추정할 수 있습니다.