Ordem

ORDEM.PORCENTUAL

Fórmula: ORDEM.PORCENTUAL(dados; valor; [digitos_com_sinal]) | Descrição: Retorna a ordem percentual (percentil) do valor especificado em um conjunto de dados.

Esta função é usada para exibir a classificação dos valores como uma porcentagem. Por exemplo, você pode classificar o lucro de uma região específica com base no lucro de todas as regiões. O cálculo pode reiniciar com base nos atributos identificados nas configurações de parâmetro.

ORDEM

Fórmula: ORDEM(valor; dados; crescente) | Descrição: Retorna a posição de um valor especificado em um conjunto de dados.

Na estatística, ordem é a transformação de dados na qual os valores numéricos ou ordinais são substituídos por sua classificação quando os dados são classificados. Por exemplo, os dados numéricos 3,4 / 5,1 / 2,6 / 7,3 são observados, as classificações desses itens de dados seriam 2, 3, 1 e 4, respectivamente. Por exemplo, os dados ordinais quente, frio, quente seriam substituídos por 3, 1, 2. Nesses exemplos, as classificações são atribuídas a valores em ordem crescente. (Em alguns outros casos, classificações decrescentes são usadas.) As classificações estão relacionadas à lista indexada de estatísticas de pedidos, que consiste no conjunto de dados original reorganizado em ordem crescente.

O vídeo abaixo exemplifica o uso da ORDEM nos dados já trabalhados.

Padronização

Conteúdo do parágrafo para ficar tudo em um formato padronizado.

PADRONIZAR

Fórmula: PADRONIZAR(valor; media; desvio_padrao) | Descrição: Calcula o equivalente normalizado de uma variável aleatória, dada a média e o desvio-padrão da distribuição.

Em estatística, padronização é o processo de colocar variáveis ​​diferentes na mesma escala. Esse processo permite comparar pontuações entre diferentes tipos de variáveis. Normalmente, para padronizar variáveis, você calcula a média e o desvio padrão para uma variável. Então, para cada valor observado da variável, você subtrai a média e divide pelo desvio padrão.

Esse processo produz escores padrão que representam o número de desvios padrão acima ou abaixo da média em que uma observação específica cai. Por exemplo, um valor padronizado de 2 indica que a observação cai 2 desvios padrão acima da média. Essa interpretação é verdadeira independentemente do tipo de variável que você padroniza.