Boxplottsanalys och outlier-detektion i Excel

Statistiska analyser är avgörande för att fatta datadrivna beslut. Inom ramen för denna handledning fokuserar du på Boxplot-analysen, som är särskilt användbar för att visuellt representera datadistributionen och identifiera utstickare. Vi kommer att tillämpa dessa tekniker med hjälp av ett exempel på intäkter från en undersökning som tar hänsyn till olika kundtyper. Du kommer att lära dig hur du i Microsoft Excel kan beräkna nyckeltal, skapa Boxplots och utföra analys av utstickare.

Viktigaste insikterna

• Du får en översiktlig Boxplot-representation för analys av intäktsdata efter kundtyper.
• Du lär dig hur utstickare kan identifieras och tolkas för att förbättra datorkvaliteten.
• Du blir bekant med Excel-nyckeltal som median, kvartiler och spannvidd för att förstå dina data heltäckande.

Steg-för-steg-handledning

Steg 1: Dataöverföring

Inledningsvis importerar du intäktsdatan till Excel. Se till att du har separerat datan för vanliga kunder och premiumkunder. Du kan kopiera de relevanta kolumnerna, till exempel intäkterna, till ett nytt arbetsblad.

Därefter differentierar du intäktsdatan efter de två olika kundtyperna genom att helt enkelt kopiera motsvarande data. På så sätt får du bättre överblick och kan beräkna nyckeltal för varje grupp separat.

Steg 2: Beräkning av nyckeltal

Nu börjar du med att beräkna viktiga nyckeltal som krävs för Boxplot-representationen. Det första värdet du beräknar är medianen. Använd funktionen =MEDIAN() för att bestämma detta värde både för vanliga kunder och för premiumkunderna.

Nästa steg är att beräkna minimum och maximum genom att använda funktionerna =MIN() och =MAX(). Dessa värden bidrar till att förstå spannet av intäktsdatan.

Spannet erhålls genom skillnaden mellan maximum och minimum. Formeln är enkel: Spannvidd = Maximum - Minimum.

Utöver detta beräknar du första och tredje kvartilen genom att använda funktionen =QUARTILE(). Dessa värden är avgörande för Boxploten.

Steg 3: Skapande av Boxplottar

För att skapa Boxploten väljer du menyalternativet "Infoga" och sedan "Boxplot". Lägg till data för vanliga kunder först.

Högerklicka på Boxploten för att välja data. Lägg nu till dataseten för premiumkunderna.

Försäkra dig om att Boxploten visas korrekt genom att eventuellt ta bort onödiga datamärkningar för att öka överskådligheten.

Steg 4: Tolka Boxploten

Nu när Boxploten är skapad kan du analysera resultaten. Medianen, kvartilerna samt spannvidden presenteras visuellt för dig. Observera var utstickarna befinner sig och hur de jämfört med de andra värdena påverkar helhetsbilden av datan.

Gör jämförelser mellan vanliga kunder och premiumkunder. Fundera över vad de olika medianvärdena och spannvidderna betyder.

Steg 5: Utförande av utbrottsanalys

För att identifiera utbrott tillämpar du metoden "Outlier-Detection". Först beräknar du medelvärdet och standardavvikelsen för de två kundgrupperna.

Sedan tillämpar du formeln för att bestämma nedre och övre gränser, där du använder värdet 1,25 för både a och b. Dessa gränser hjälper dig att direkt identifiera utbrotten.

Du kan sedan visa resultatet med en villkorlig formatering för att verkligen kunna upptäcka utbrotten på ett bra sätt.

Steg 6: Ytterligare utvärderingar

Sist genomför du en utvärdering för att bestämma antalet identifierade utbrott. Det ger dig inte bara information om hur många värden som ligger utanför de angivna gränserna, utan också deras påverkan på din totala analys.

Vanligtvis bör du noggrant titta på andelen utbrott i förhållande till det totala antalet datapunkter för att bättre kunna bedöma om dessa värden faktiskt spelar en signifikant roll.

Sammanfattning

I denna handledning har du lärt dig hur du genomför en noggrann boxplot-analys i Excel och samtidigt identifierar utbrott. Du vet nu att nyckeltal som median, kvartiler och spridning är väsentliga verktyg för att effektivt analysera och tolka data. Det kommer att hjälpa dig att bättre förstå försäljningen efter kundtyper och härleda riktade åtgärder.