利用Microsoft Excel进行管理统计:方法选择与数据分析

需积分: 10 22 下载量 18 浏览量 更新于2023-05-25 2 收藏 33.31MB PDF 举报
《统计学为管理者使用Microsoft Excel(第八版)》是一本针对管理者的实用指南,特别强调了如何在日常工作中运用Excel这一强大的数据分析工具进行决策支持。该书详细介绍了如何根据数据类型选择合适的统计方法,包括数值变量和分类变量的数据分析任务。 对于数值变量的数据描述,涵盖了诸如有序数组、茎叶图、频率分布、相对频率分布、百分比分布、累积百分比分布、直方图、累积百分比直方图以及实时更新的小部件如Sparklines、仪表盘和树状图。这些图表和工具在第2.2、2.4和2.6章中深入讲解,有助于清晰呈现数据集的概貌和趋势。 在处理连续数值数据时,书中涉及了集中趋势的度量,如平均数(mean)、中位数(median)、众数(mode)、几何平均数,以及四分位数、范围、四分位距、标准差、方差、变异系数、偏度和峰度等,这些概念在第3.1、3.2和3.3节中有所阐述。同时,箱线图(boxplot)和正态概率图也被用来理解数据的分布形状。 对于分类数据,除了简单的描述性统计外,还介绍了索引数(在线第16.8节),这在比较不同类别间的差异时很有用。此外,该书还讨论了制作各类图表,如总结表、条形图、饼图、甜甜圈图和帕累托图,这些在第2.1和2.3章节中通过实例展示了如何呈现数据的对比和关系。 针对单组的推断,书中提供了估计均值的置信区间(第8.1和8.2节)、t检验(用于比较均值,第9.2节)以及卡方检验(用于检验方差或标准差的差异,可查阅在线的第12.7节)。同样,对于比例的置信区间估计(第8.3节)和比例的z检验(第9.4节)也是重要的分析手段。 在处理两个组之间的比较时,书中介绍了测试两组均值差异的方法,这些内容对于管理者的决策制定至关重要。通过这些统计分析和Excel工具的应用,管理者能够更准确地解读数据,做出基于证据的决策,从而提升管理效率和效果。

class MonitoringProcess: def __init__(self): self.conn1, self.conn2 = Pipe() self.monitor = True self.process_start(self.detection_status) def set_monitor(self): self.com_dict.monitor = False def process_start(self, func): with Manager() as manager: self.com_dict = manager.Namespace() p = Process(target=func, args=(self.com_dict,)) p.start() def detection_status(self, com_dict): # some code ... com_dict.a = 1 Process Process-2: Traceback (most recent call last): File "C:\Python38\lib\multiprocessing\managers.py", line 827, in _callmethod conn = self._tls.connection AttributeError: 'ForkAwareLocal' object has no attribute 'connection' During handling of the above exception, another exception occurred: Traceback (most recent call last): File "C:\Python38\lib\multiprocessing\process.py", line 315, in _bootstrap self.run() File "C:\Python38\lib\multiprocessing\process.py", line 108, in run self._target(*self._args, **self._kwargs) File "F:\E\python_learn\我的框架\自动化框架2\monitoring.py", line 24, in detection_status com_dict.a = 1 File "C:\Python38\lib\multiprocessing\managers.py", line 1143, in __setattr__ return callmethod('__setattr__', (key, value)) File "C:\Python38\lib\multiprocessing\managers.py", line 831, in _callmethod self._connect() File "C:\Python38\lib\multiprocessing\managers.py", line 818, in _connect conn = self._Client(self._token.address, authkey=self._authkey) File "C:\Python38\lib\multiprocessing\connection.py", line 500, in Client c = PipeClient(address) File "C:\Python38\lib\multiprocessing\connection.py", line 702, in PipeClient _winapi.WaitNamedPipe(address, 1000) FileNotFoundError: [WinError 2] 系统找不到指定的文件。

2023-07-14 上传

--------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-293-c58e4e7a6b05> in <module> 3 ,'tianchuang_dafu_score','tencent_anti_fraud_v4_score']) 4 out_vardf,out_bindf = DDViz.out_all_in_one(train_all_df,inputx=inputx,y=y,dt='apply_date',dt_cut=1,miss_values=[-99],score_cut=20 ----> 5 , method='optb',output_path='data/out_all_in_one_report_0530_v1.xlsx') 6 out_bindf ~\AppData\Local\anaconda3\envs\py36\lib\site-packages\DDViz\DDViz.cp36-win_amd64.pyd in DDViz.out_all_in_one() ~\AppData\Local\anaconda3\envs\py36\lib\site-packages\DDViz\DDViz.cp36-win_amd64.pyd in DDViz.full_describe() ~\AppData\Local\anaconda3\envs\py36\lib\site-packages\pandas\core\generic.py in __setattr__(self, name, value) 5190 try: 5191 object.__getattribute__(self, name) -> 5192 return object.__setattr__(self, name, value) 5193 except AttributeError: 5194 pass pandas/_libs/properties.pyx in pandas._libs.properties.AxisProperty.__set__() ~\AppData\Local\anaconda3\envs\py36\lib\site-packages\pandas\core\generic.py in _set_axis(self, axis, labels) 688 689 def _set_axis(self, axis, labels): --> 690 self._data.set_axis(axis, labels) 691 self._clear_item_cache() 692 ~\AppData\Local\anaconda3\envs\py36\lib\site-packages\pandas\core\internals\managers.py in set_axis(self, axis, new_labels) 181 raise ValueError( 182 "Length mismatch: Expected axis has {old} elements, new " --> 183 "values have {new} elements".format(old=old_len, new=new_len) 184 ) 185 ValueError: Length mismatch: Expected axis has 2 elements, new values have 7 elements

2023-05-31 上传