This is not really a statistic of d

This is not really a statistic of dispersion by itself, but I mention it here because it forms the basis of the variance and standard deviation. Subtract the mean from an observation and square this "deviate". Squaring the deviates makes all of the squared deviates positive and has other statistical advantages. Do this for each observation, then sum these squared deviates. This sum of the squared deviates from the mean is known as the sum of squares. It is given by the spreadsheet function DEVSQ(Ys) (not by the function SUMSQ). You'll probably never have a reason to calculate the sum of squares, but it's an important concept.

ผลลัพธ์ (ไทย) 1:

ไม่จริง ๆ สถิติของการกระจายตัว แต่ฉันพูดถึงมันนี่ เพราะมันเป็นพื้นฐานของความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน ลบหมายความว่าจากการสังเกต และตารางนี้ "เบี่ยงเบน" ยกแตกต่างทำให้ทั้งหมดเบี่ยงเบนยกกำลังสองบวก และมีข้อได้เปรียบอื่น ๆ ทางสถิติ ทำเช่นนี้สำหรับแต่ละการสังเกต แล้วผลเบี่ยงเบนกำลังสองเหล่านี้ นี้ผลรวมของกำลังสองที่เบี่ยงเบนจากค่าเฉลี่ยที่เป็นผลรวมของช่องสี่เหลี่ยมเรียกว่า โดยฟังก์ชันกระดาษคำนวณ DEVSQ(Ys) (ไม่โดยฟังก์ชัน SUMSQ) ได้ นอกจากนี้คุณอาจจะไม่เคยจะมีเหตุผลในการคำนวณผลรวมของช่องสี่เหลี่ยม แต่มันเป็นแนวคิดสำคัญ

ผลลัพธ์ (ไทย) 2:

นี้ไม่ได้จริงๆสถิติของการกระจายด้วยตัวเอง แต่ผมพูดถึงมันนี่เพราะมันเป็นพื้นฐานของความแปรปรวนและค่าเบี่ยงเบนมาตรฐาน ลบค่าเฉลี่ยจากการสังเกตและสแควร์นี้ "เบี่ยงเบน" กู้หน้าเบี่ยงเบนทำให้ทั้งหมดของ Squared เบี่ยงเบนไปในเชิงบวกและมีข้อได้เปรียบทางสถิติอื่น ๆ ทำเช่นนี้สำหรับแต่ละสังเกตแล้วสรุปเบี่ยงเบน squared เหล่านี้ ผลรวมของการเบี่ยงเบน Squared จากค่าเฉลี่ยนี้เป็นที่รู้จักกันเป็นผลรวมของสี่เหลี่ยม มันจะได้รับโดยฟังก์ชันสเปรดชีต DEVSQ (อีส) (ไม่ได้โดย SUMSQ ฟังก์ชั่น) คุณอาจจะไม่เคยมีเหตุผลที่จะคำนวณผลรวมของช่องสี่เหลี่ยม แต่มันเป็นแนวคิดที่สำคัญ