تبدیل داده های کمی به کیفی تبدیل شاخص و کیفی سازی داده های کمی در اکسل

تبدیل داده های کمی به کیفی : تبدیل شاخص و کیفی سازی داده های کمی در اکسل

تبدیل داده های کمی به کیفی

تبدیل داده  کمی به کیفی : تبدیل شاخص و کیفی سازی داده های کمی در اکسل چطور داده های کمی را به داده های کیفی تبدیل کنیم ؟

دو نوع داده اصلی در کسب و کار

طبقه بندی فعالیت اساسی در مدیریت است

قاعده یا قانون استروگس (Sturges’s rule) چیست ؟

مراحل تبدیل داده های فاصله ای به اسمی

تبدیل شاخص و کیفی سازی داده های کمی در اکسل

فایل اکسل تبدیل داده های کمی به داده های کیفی

 

دو نوع داده اصلی در کسب و کار عبارتند از اسمی (داده های طبقه ای یا کیفی) و داده های بازه ای (داده های کمی یا پیوسته).

قاعده یا قانون استروگس (Sturges’s rule)یک قاعده برای تعیین میزان انتخاب میله ها هنگام نمایش بصری داده ها توسط یک هیستوگرام است. می گوید محدوده داده ها باید به k تا از کلاس های مساوی تقسیم شود.

مقاله بازاریابی   اکسل : اصول اولیه اکسل را فقط در 11 گیف بیاموزید

دو نوع داده اصلی در کسب و کار

دو نوع داده اصلی در کسب و کار عبارتند از اسمی (داده های طبقه ای یا کیفی) و داده های بازه ای (داده های کمی یا پیوسته). داده های اسمی فقط دسته بندی متغیرهایی مانند نام مشتری و وضعیت تاهل است و شما نمی توانید هیچ گونه عملیات ریاضی روی این نوع داده ها انجام دهید. نمودار میله ای و نمودار پای معمولاً برای توصیف داده های اسمی استفاده می شود. از سوی دیگر ، داده های بازه ای دارای مقادیر عددی متغیرهایی مانند درآمد ، سن و مبلغ فاکتور هستند و می توانید روی آنها عملیات ریاضی انجام دهید. هیستوگرام ها معمولاً برای توصیف داده های فاصله ای استفاده می شوند.

طبقه بندی فعالیت اساسی در مدیریت است

با توجه به اینکه طبقه بندی گام اساسی در مدیریت است ، یک متغیر خاص که داده های بازه ای را در خود جای داده است را می توان در دسته های مختلف طبقه بندی کرد. یعنی به داده های اسمی تبدیل نمود. به عنوان مثال ، یک شرکت خدماتی مانند شرکت X  می تواند مشتریان خود را بر اساس مبالغ صورتحساب (که متغیر داده های فاصله ای است) به گروه های متمایزی طبقه بندی کند. فرض کنید ، شرکت X اطلاعات مربوط به میزان صورتحساب 40 مشتری در یک منطقه جغرافیایی خاص را دریافت می کند ، همانطور که در جدول نشان داده شده است. چگونه می توان داده های او را دسته بندی کرد؟

داده های کیفی به کمی

داده های کیفی به کمی

قاعده یا قانون استروگس (Sturges’s rule) می تواند در تعیین تعداد گروه ها یعنی طبقه بندی داده ها در مجموعه داده های بازه ای کمک کند.

مقاله بازاریابی   اکسل برای بازاریابان : 10 تابع اکسل که هر بازاریابی باید با آن آشنا باشد

قاعده یا قانون استروگس (Sturges’s rule) چیست ؟

قاعده یا قانون استروگس (Sturges’s rule)یک قاعده برای تعیین میزان انتخاب میله ها هنگام نمایش بصری داده ها توسط یک هیستوگرام است. می گوید محدوده داده ها باید به k تا از کلاس های مساوی تقسیم شود.

عامل حداکثری کجاست (یعنی نزدیکترین عدد صحیح را بالاتر از مقدار محاسبه شده بگیرید).

هربرت استروگس (Herbert Sturges) – اگرچه در Sturges (1926) بیان نشده است –k میله در نمودار هیستوگرام در نظر گرفته که در ان مقادیر داده ها عبارتند از : (i = 0,…k-1)

مجموع تمام میله ها به ما تعداد کل دادا ها یعنی n را می دهد. (معادله شماره 1)

مطابق بسط دو جمله ای می گوید :

(با جایگزینی q با (1-p) معادله دو جمله ای را بدست می آوریم). با تنظیم p = q = 1 در معادله شماره  1 بدست می آوریم:

با حل k فرمول Sturges را بدست می آوریم:

و سپس نزدیکترین عدد صحیح را بالای این مقدار می گیریم. تلویحاً در قاعده استروگس فرض می کند یک مجموعه داده معمولاً به صورت توزیع نرمال که به خوبی با توزیع دو جمله ای با احتمال 0.5 (که توزیع متقارن را ارائه می دهد) تقریب زده شده است. برای مشاهده این ، تعداد مورد انتظار نقاط داده که در کلاس i اُم قرار می گیرند ، از تابع احتمال دو جمله ای است:

مقاله بازاریابی   مهارتهای اکسل برای سئو – یادگیری 8 فرمول مهم اکسل برای کمپین های سئو

که در آن n  برابر است با 2k-1 ، این به مورد شماره 1 زیر کاهش می یابدکه  به هیستوگرام ایده آل استروگس می انجامد.

توجه: مقاله استورج در واقع عرض کلاس w را به صورت زیر می دهد:

جایی که R محدوده داده و  3.322 برابر  1/log10 است ، بنابراین R/w فرمول ذکر شده در بالا را برای n می دهد.

مراحل تبدیل داده های فاصله ای به اسمی (تبدیل داده های کمی به داده های کیفی)

در زیر مراحل کلیدی طبقه بندی مجموعه داده های فاصله ای یا به عبارت بهتر تبدیل داده ها از نوع فاصله به نوع اسمی آمده است.

مرحله 1: محدوده را در مجموعه داده پیدا کنید

محدوده = حداکثر مقدار – حداقل مقدار = 146.4 – 18 (مثلاً) = 128.4

مرحله 2: برای تعیین تعداد کلاسها یا طبقات از قاعده استروگس استفاده کنید.

# کلاس = 1 + 3.3 (log n)؛ جایی که n تعداد مشاهدات است .

# کلاس = 1 + 3.3 (log 40) = 1 + 3.3*1.6 = 6.28 = 6 گروه (در صورت تمایل می توانید 7 را انتخاب کنید)

مقاله بازاریابی   جایگزین اکسل : 10 جایگزین برتر مایکروسافت اکسل
مرحله 3: عرض کلاس را تعیین کنید

عرض کلاس = محدوده/تعداد کلاس = 6 /128.4 = 20.42 = 20 (گرد شود)

این بدان معناست که 7 گروه/کلاس / طبقه با 20 میلیون ریال از هم جدا می شوند.

  • طبقه 1 = صدور صورت حساب 0 تا 20 تومان
  • طبقه 2 = صدور صورت حساب 21 تا 40 تومان
  • طبقه 3 = صورتحساب 41 تا 60 تومان
  • طبقه 4 = صدور صورت حساب 61 ​​تا 80 تومان
  • طبقه 5 = صورتحساب 81 تا 100 تومان
  • طبقه 6 = صورتحساب 101 تا 120 تومان
  • طبقه 7 = صورتحساب 121 تا 129 تومان

تبدیل شاخص و کیفی سازی داده های کمی در اکسل

مرحله 4: از Excel برای رسم هیستوگرام استفاده کنید (و تعداد مشتریان در هر 7 کلاس را بدست آورید)

مطمئن شوید که “Toolpak Analysis Data” را در XL بارگیری کرده اید. سپس به Data -> Data Analysis -> Histogram بروید.

داده ها را مطابق شکل وارد کنید.

تبدیل داده های کمی به کیفی

تبدیل داده های کمی به کیفی

خروجی (در یک برگه جدید) مطابق شکل است.

مرحله 5: جدول و هیستوگرام را مرتب کنید
تبدیل داده های کمی به کیفی تبدیل شاخص و کیفی سازی داده های کمی در اکسل

تبدیل داده  کمی به کیفی تبدیل شاخص و کیفی سازی داده های کمی در اکسل

مطمئن شوید که میله  (در هیستوگرام) را انتخاب کرده اید و روی “Format Data Series” کلیک کنید. سپس “Gap Width” را از 150٪ (پیش فرض) به 0٪ کاهش دهید.

کیفی سازی داده های کمی در اکسل

کیفی سازی داده های کمی در اکسل

هیستوگرام نهایی/مرتب شده با 6 گروه مطابق شکل نشان داده شده است.

مقاله بازاریابی   جایگزین اکسل : 10 جایگزین برتر مایکروسافت اکسل

 

فایل اکسل تبدیل داده های کمی به داده های کیفی

فایل اکسل تبدیل داده های کمی به داده های کیفی وب سایت مارکتینگ ایران تلنت

منابع : vosesoftware / datasciencecentral

0/5 (0 نظر)
0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *