Узкая настройка: как вычислить рассеивание значений AHT в контакт-центре

Не так давно мы поведали о том, как высчитать среднее время обработки вызовов (Average Handling Time, AHT) и разглядели 30 методов его понижения. Воспользовавшись предложенной нами формулой, вы можете вычислить AHT и применять этот показатель для планирования загрузки операторов и поиска узеньких мест в бизнес-процессах. Но довольно ли усредненных цифр для «узкой опции» ежедневной деятельности контакт-центра?

Допустим, вы высчитали среднее время обработки вызовов для всех операторов. Возникает вопросец: какая часть служащих показывает самый высочайший либо самый маленький AHT? А основное — каково среднее время обработки вызова у главный массы операторов? Сосредоточены их характеристики вокруг среднего значения либо относительно умеренно распределены от малого значения к наибольшему? Другими словами, вы не сможете осознать, какой вклад в показатель AHT занесли “фавориты” и “отстающие”, и как очень от их не нормальных характеристик различаются результаты “середнячков”.

Конкретно тут на сцену выходит среднеквадратическое отклонение (нередко его именуют еще средним квадратическим, среднеквадратичным либо просто квадратичным отклонением). Это единственный параметр, который покажет осознать для вас четкую картину распределения показателя AHT.

Что такое среднеквадратичное отклонение

По определению, среднеквадратическое отклонение употребляется, чтоб количественно оценить рассеивание значений в определенной выборке относительно некий средней величины (нередко это среднее значение именуют математическим ожиданием). Другими словами, среднеквадратическое отклонение — это то, что поможет осознать, как распределены личные характеристики от малого значения к наибольшему, и как плотно они расположились вокруг математического ожидания. На графике такое распределение смотрится как колокол.

Чтоб было проще осознать, что такое среднеквадратическое отклонение, приведем таковой пример. Представьте, что школьный учитель провел контрольную работу в обычном ничем не приметном классе. Оценки выставлялись по пятибалльной системе. Большая часть учеников получили тройки, намного меньше заработали четверки либо двойки, а считанные единицы — оценки 5 и 1.

В нашем случае распределение оценок на графике будет смотреться, как на рисунке 1 (о том, как стремительно высчитать такое распределение при помощи Microsoft Excel, мы поведаем чуток ниже). Для нашего воображаемого школьного класса мы получим такую картину:

  • Около 68,2 % (34,1+34,1) всех значений из нашей подборки будут находиться в границах 1-го среднеквадратического отличия в огромную либо наименьшую сторону от среднего значения (математического ожидания). В нашем примере это все те ученики, кто получил оценку 3, включая тройки с плюсом и минусом.
  • Около 95,4 % всех характеристик попадут в пределы 2-ух среднеквадратических отклонений от среднего значения. Т.е. к троечникам добавляются две группы учеников приблизительно по 13,6 % любая, одна из которых получила четверки, а 2-ая — двойки.
  • Практически все оставшиеся значения будут находиться в границах 3-х среднеквадратических отклонений от среднего значения. В нашем примере это будут по 2,1% учеников на обоих концах графика, которые заработали пятерки либо единицы.


Набросок 1. Обычное обычное распределение значений

Среднеквадратичное отклонение для показателя Average Handling Time

Но вернемся к контакт-центрам. Давайте на определенном примере разглядим, какие способности дает среднеквадратичное отклонение для показателя AHT. Представим, среднее время обработки 1-го вызова для всех операторов контакт-центра равно 359 секунд. У самого резвого спеца этот показатель — 213 секунд, а у самого неспешного — 590 секунд. Понятно, что разброс результатов впечатляющий. Но мы еще не знаем, как много таковых отклонений в команде операторов. Последние значения — это единичные случаи? Либо в нашей команде собрались лишь очень «неспешные» и очень «резвые» операторы?

Допустим, вычисление обычного отличия для команды отдало для вас цифру 38 секунд (снова же, о том, как просто посчитать обычное отклонение в MS Excel, мы поведаем чуток позднее). Это значение значит, что около 68 % профессионалов из анализируемой подборки имеют показатель AHT, который на 38 секунд выше либо ниже от среднего значения для всей группы. Другими словами, их характеристики AHT находятся в границах от 321 до 397 секунд. Если мы расширим эту область еще на 38 секунд в сторону малого и наибольшего значений (нижнюю границу опустим до 283 секунд, а верхнюю — поднимем до 435 секунд), то получим временные рамки, в которые вошли результаты наиболее 95 % ваших профессионалов.

Но эти рамки все еще далеки от наших граничных значений. Таковым образом, меньший итог в 213 секунд и наивысший в 590 секунд — это не правило, а исключение для команды операторов. Другими словами, операторов, которые имеют последние результаты, весьма не достаточно (см. набросок 2).


Набросок 2. Обычное распределение для математического ожидания в 359 секунд
и среднеквадратического отличия в 38 секунд

О чем молвят приобретенные результаты? О том, что разбираться в причинах не нормальных характеристик следует лишь для 5 % операторов, чьи результаты расположились на обратных концах графика. Не исключено, что спецы с аномально низкими показателями AHT сталкиваются с техническими неуввязками. Причина может оказаться очевидной — нехорошая слышимость из-за того, что вы не снабдили часть операторов проф гарнитурами. Либо, что наиболее возможно, несколько профессионалов нуждаются в личном обучении на тему правильной обработки вызовов. К слову, неординарно маленькое время обработки вызова — тоже повод для анализа: оно далековато не постоянно свидетельствует о высоком профессионализме спеца.

Давайте разглядим иной набор значений AHT для контакт-центра с теми же показателями среднего и граничных значений, что и в прошлом примере (показатель AHT из расчета на всех операторов равен 359 секунд; малый показатель — 213 секунд, наибольший— 590 секунд). Но в сей раз опосля вычисления обычного отличия мы получили итог 70. Добавляем 70 к среднему значению и вычитаем из него 70. Два приобретенных числа — это временной спектр, в котором расположились результаты большей половины операторов. В нашем случае итог — от 289 до 429 секунд (а не от 321 до 397 секунд, как в прошлом примере).

Расширив спектр еще на 70 секунд в обе стороны, чтоб добавить в него результаты еще 27 % наших операторов, мы получим просвет времени от 219 секунд до 499 секунд. Он уже близок к нашим граничным значениям (см. набросок 3). Настолько обширное распределение значений AHT у операторов гласит о наиболее масштабной дилемме в команде, чем в прошлом примере. Тут тренингом для нескольких операторов уже не обойтись.

Набросок 3. Обычное распределение для математического ожидания в 359 секунд
и среднеквадратического отличия в 70 секунд.

Похоже, основная масса ваших профессионалов не придерживаются правильной методики обработки вызовов данного типа. А сделалось быть, подавляющая часть команды нуждается в программке обучения, которая поможет ввести единые передовые практики. Да, на такое обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) уйдет больше ресурсов, чем на личный тренинг для нескольких операторов. Но в большинстве случаев ваши усилия приведут к понижению показателя AHT для всего контакт-центра.

Естественно, есть масса обстоятельств, которые приводят к широкому разбросу характеристик AHT. Но углубленный анализ поможет сузить круг “подозреваемых”. К примеру, внимательнее изучите характеристики AHT за определенное время суток. Может быть, вы заметите, что наиболее высочайшие значения показателя AHT почаще всего встречаются вечерком. Предпосылки здесь могут полностью различные. Например, в «неловкие» вечерние смены нередко работают новейшие и, соответственно, наименее бывалые сотрудники. Как вариант — вечерком в кабинете работает меньше управляющих, и персонал расслабляется. Не считая того, в эти часы у оператора меньше способностей привлечь кадровые ресурсы для обслуживания сложных вызовов: в кабинете остается меньше узеньких профессионалов.

Интересно почитать:  Файл excel в xml файл

Может быть, причина кроется в том, что на это время часть клиентов откладывают неординарные воззвания, не хотя растрачивать на их рабочее время. А быть может, к вечеру ваши операторы просто чрезвычайно устают. Тогда необходимо будет находить методы понизить их утомляемость. Разглядите возможность применять гарнитуры с системой шумоподавления и поддержкой технологий защиты слуха и понижения каждодневной шумовой перегрузки. Не исключено, что в операторном зале будет нужно также установить систему маскировки звука, которая сведет к минимуму один из основных причин вялости — шум из-за дискуссий коллег.

Как высчитать среднеквадратическое отклонение для AHT при помощи Microsoft Excel

Сейчас, когда мы удостоверились, что вычислять обычное отклонение AHT весьма полезно, поглядим, как это делается. Самый обычный метод — применять интегрированные инструменты MS Excel. Для этого просто сделайте такие деяния:

  • Внесите личные характеристики AHT операторов в один столбец электрической таблицы.
  • Используя функцию вычисления среднего арифметического AVERAGE (для русского MS Excel — СРЗНАЧ), высчитайте среднее значение всех введенных данных. Excel не просит вычислять этот показатель раздельно, но он будет полезен для осознания итоговых результатов.
  • Щелкните на хоть какой вольной ячейке и изберите функцию оценки обычного отличия по выборке (STDEV либо СТАНДОТКЛОН). Приложение попросит вас выделить группу цифр, которые вы будете применять в расчете. Выделите все числа, которые желаете применять в анализе, и нажмите ENTER. Значение обычного отличия покажется в открытой ячейке.

Выводы

Среднеквадратическое отклонение — весьма принципиальный инструмент не только лишь применительно к среднему времени обработки вызовов в целом по контакт-центру. Вы сможете вычислить его для звонков лишь строго определенных типов, для вызовов по фронтам бизнеса, который обслуживает контакт-центр, либо, к примеру, лишь для новейших служащих. Этот способ можно также применять для обработки остальных статистических данных, которые в излишке скапливаются в любом контакт-центре. Ведь обыденные средние значения не сумеют обрисовать все, что происходит.

Просто попытайтесь, и вы наверное удостоверьтесь, что в расчете среднеквадратичного отличия нет ничего сложного. Зато эти данные окажут для вас гигантскую помощь в узкой настройке бизнес-процессов в контакт-центре.

Функции СТАНДОТКЛОН.В, СТАНДОТКЛОН.Г, СТАНДОТКЛОНА и СТАНДОТКЛОНПА в Excel

Из предшествующей статьи мы узнали о таковых показателях, как размах варианты, межквартильный размах и среднее линейное отклонение. В данной нам статье изучим дисперсию, среднеквадратичное отклонение и коэффициент варианты.

Дисперсия

Дисперсия случайной величины – это один из главных характеристик в статистике. Он отражает меру разброса данных вокруг средней арифметической.

На данный момент маленькой экскурс в теорию вероятностей, которая лежит в базе математической статистики. Как и матожидание, дисперсия является принципиальной чертой случайной величины. Если матожидание отражает центр случайной величины, то дисперсия дает характеристику разброса данных вокруг центра.

Формула дисперсии в теории вероятностей имеет вид:

Другими словами дисперсия — это математическое ожидание отклонений от математического ожидания.

На практике при анализе выборок математическое ожидание, обычно, не понятно. Потому заместо него употребляют оценку – среднее арифметическое. Расчет дисперсии создают по формуле:

s 2 – выборочная дисперсия, рассчитанная по данным наблюдений,

X – отдельные значения,

– среднее арифметическое по выборке.

Необходимо отметить, что у такового расчета дисперсии есть недочет – она выходит смещенной, т.е. ее математическое ожидание не равно настоящему значению дисперсии. Подробней о этом тут. Но при увеличении размера подборки она все-же приближается к собственному теоретическому аналогу, т.е. является асимптотически не смещенной.

Ординарными словами дисперсия – это средний квадрат отклонений. Другими словами сначала рассчитывается среднее значение, потом берется разница меж каждым начальным и средним значением, возводится в квадрат, складывается и потом делится на количество значений в данной совокупы. Разница меж отдельным значением и средней отражает меру отличия. В квадрат возводится для того, чтоб все отличия стали только положительными числами и чтоб избежать взаимоуничтожения положительных и отрицательных отклонений при их суммировании. Потом, имея квадраты отклонений, просто рассчитываем среднюю арифметическую. Средний – квадрат – отклонений. Отличия возводятся в квадрат, и считается средняя. Сейчас вы понимаете, как отыскать дисперсию.

Расчет дисперсии в Excel

Генеральную и выборочную дисперсии просто высчитать в Excel. Есть особые функции: ДИСП.Г и ДИСП.В соответственно.

raschet_pok_var_04.png

В чистом виде дисперсия не употребляется. Это вспомогательный показатель, который нужен в остальных расчетах. К примеру, в проверке статистических гипотез либо расчете коэффициентов корреляции. Отсюда хорошо бы знать математические характеристики дисперсии.

Характеристики дисперсии

Свойство 1. Дисперсия неизменной величины A равна (нулю).

Свойство 2. Если случайную величину помножить на постоянную А, то дисперсия данной нам случайной величины возрастет в А 2 раз. Иными словами, неизменный множитель можно вынести за символ дисперсии, возведя его в квадрат.

Свойство 3. Если к случайной величине добавить (либо отнять) постоянную А, то дисперсия остается постоянной.

Свойство 4. Если случайные величины X и Y независимы, то дисперсия их суммы равна сумме их дисперсий.

Свойство 5. Если случайные величины X и Y независимы, то дисперсия их различия также равна сумме дисперсий.

Если из дисперсии извлечь квадратный корень, получится среднеквадратичное (обычное) отклонение (сокращенно СКО). Встречается заглавие среднее квадратичное отклонение и сигма (от наименования греческой буковкы). Общая формула обычного отличия в арифметике последующая:

На практике формула обычного отличия последующая:

Как и с дисперсией, есть и мало иной вариант расчета. Но с ростом подборки разница исчезает.

Расчет cреднеквадратичного (обычного) отличия в Excel

Для расчета обычного отличия довольно из дисперсии извлечь квадратный корень. Но в Excel есть и готовые функции: СТАНДОТКЛОН.Г и СТАНДОТКЛОН.В (по генеральной и выборочной совокупы соответственно).

Среднеквадратичное отклонение имеет те же единицы измерения, что и анализируемый показатель, потому является сравнимым с начальными данными.

Значение обычного отличия зависит от масштаба самих данных, что не дозволяет ассоциировать вариабельность различных подборках. Чтоб убрать воздействие масштаба, нужно высчитать коэффициент варианты по формуле:

По нему можно ассоциировать однородность явлений даже с различным масштабом данных. В статистике принято, что, если значение коэффициента варианты наименее 33%, то совокупа считается однородной, если больше 33%, то – неоднородной. В действительности, если коэффициент варианты превосходит 33%, то специально ничего созодать по этому поводу не надо. Это информация для общего представления. В общем коэффициент варианты употребляют для оценки относительного разброса данных в выборке.

Расчет коэффициента варианты в Excel

Расчет коэффициента варианты в Excel также делается делением обычного отличия на среднее арифметическое:

Коэффициент варианты обычно выражается в процентах, потому ячейке с формулой можно присвоить процентный формат:

Коэффициент осцилляции

Очередной показатель разброса данных на сей день – коэффициент осцилляции. Это соотношение размаха варианты (различия меж наибольшим и наименьшим значением) к средней. Готовой формулы Excel нет, потому придется скомпоновать три функции: МАКС, МИН, СРЗНАЧ.

Коэффициент осцилляции указывает степень размаха варианты относительно средней, что также можно применять для сопоставления разных наборов данных.

Таковым образом, в статистическом анализе существует система характеристик, отражающих разброс либо однородность данных.

Интересно почитать:  Формате excel

Ниже видео о том, как посчитать коэффициент варианты, дисперсию, обычное (среднеквадратичное) отклонение и остальные характеристики варианты в Excel.

Онлайн курс

Статистика в MS Excel

Корпоративный тренинг

Статистика в MS Excel

Поделиться в соц сетях:

  • <ss>2</ss>
  • <ss> </ss>
  • <ss> </ss>
  • <ss>1</ss>
  • <ss> </ss>
  • <ss> </ss>
  • <ss> </ss>
  • <ss> </ss>
  • <ss> </ss>

Определение среднего квадратичного отличия

Сходу определим, что все-таки представляет собой среднеквадратичное отклонение и как смотрится его формула. Эта величина является корнем квадратным из среднего арифметического числа квадратов разности всех величин ряда и их среднего арифметического. Существует тождественное наименование данного показателя — обычное отклонение. Оба наименования на сто процентов равнозначны.

Но, естественно, что в Экселе юзеру не приходится это высчитывать, потому что за него все делает программка. Давайте узнаем, как посчитать обычное отклонение в Excel.

Расчет в Excel

Высчитать обозначенную величину в Экселе можно при помощи 2-ух особых функций СТАНДОТКЛОН.В (по выборочной совокупы) и СТАНДОТКЛОН.Г (по генеральной совокупы). Принцип их деяния полностью схож, но вызвать их можно 3-мя методами, о которых мы побеседуем ниже.

Метод 1: мастер функций

  1. Выделяем на листе ячейку, куда будет выводиться готовый итог. Кликаем на клавишу «Вставить функцию», расположенную слева от строчки функций.
  2. В открывшемся перечне отыскиваем запись СТАНДОТКЛОН.В либо СТАНДОТКЛОН.Г. В перечне имеется также функция СТАНДОТКЛОН, но она оставлена из прошлых версий Excel в целях сопоставимости. Опосля того, как запись выбрана, нажимаем на клавишу «OK».
  3. Раскрывается окно аргументов функции. В любом поле вводим число совокупы. Если числа находятся в ячейках листа, то можно указать координаты этих ячеек либо просто кликнуть по ним. Адреса сходу отразятся в соответственных полях. Опосля того, как все числа совокупы занесены, нажимаем на клавишу «OK».
  4. Итог расчета будет выведен в ту ячейку, которая была выделена в самом начале процедуры поиска среднего квадратичного отличия.

Метод 2: вкладка «Формулы»

Также высчитать значение среднеквадратичного отличия можно через вкладку «Формулы».

  1. Выделяем ячейку для вывода результата и перебегаем во вкладку «Формулы».
  2. В блоке инструментов «Библиотека функций» нажимаем на клавишу «Остальные функции». Из показавшегося перечня избираем пункт «Статистические». В последующем меню делаем выбор меж значениями СТАНДОТКЛОН.В либо СТАНДОТКЛОН.Г в зависимости от того выборочная либо генеральная совокупа воспринимает роль в расчетах.
  3. Опосля этого запускается окно аргументов. Все последующие деяния необходимо создавать так же, как и в первом варианте.

Метод 3: ручной ввод формулы

Существует также метод, при котором совершенно не надо будет вызывать окно аргументов. Для этого следует ввести формулу вручную.

    Выделяем ячейку для вывода результата и прописываем в ней либо в строке формул выражение по последующему шаблону:

=СТАНДОТКЛОН.Г(число1(адрес_ячейки1); число2(адрес_ячейки2);…) либо =СТАНДОТКЛОН.В(число1(адрес_ячейки1); число2(адрес_ячейки2);…).

Урок: Работа с формулами в Excel

Как лицезреем, механизм расчета среднеквадратичного отличия в Excel весьма обычный. Юзеру необходимо лишь ввести числа из совокупы либо ссылки на ячейки, которые их содержат. Все расчеты делает сама программка. Намного труднее понять, что все-таки собой представляет рассчитываемый показатель и как результаты расчета можно применить на практике. Но постижение этого уже относится больше к сфере статистики, чем к обучению работе с программным обеспечением. Мы рады, что смогли посодействовать Для вас в решении препядствия. Опишите, что у вас не вышло. Наши спецы постараются ответить очень стремительно.

Посодействовала ли для вас эта статья?

Цель данной статьи показать, как математические формулы, с которыми вы сможете столкнуться в книжках и статьях, разложить на простые функции в Excel.

В данной статье мы разберем формулы среднеквадратического отличия и дисперсии и рассчитаем их в Excel.

Перед тем как перебегать к расчету среднеквадратического отличия и разбирать формулу, лучше разобраться в простых статистических показателях и обозначениях.

Рассматривая формулы моделей прогнозирования, мы встретимся со последующими показателями:

РАСЧЁТ НМЦК

Для расчета НМЦК заполните поля таблицы выделенные сероватым цветом:

Есть разные сервисы для облегчения работы с госзакупками. Один из таковых сревисов “Эконом-Эксперт.Online”. Сервис помогает высчитать НМЦК. Также – отыскать цены в ЕИС, отыскать ОКПД2 в комфортном справочнике, отыскать пример технического задания для подготовки документации, высчитать сроки конкурентных процедур и другое.
Чтоб ознакомиться с программкой и испытать эти функции в течение нескольких дней, заполните форму. Менеджер свяжется с Вами в наиблежайшее время.

Пошаговая {инструкция} расчета НМЦК

Шаг 1: Вводим ТРУ, по наименованию программка отыскивает ОКПД2 и КТРУ.

Шаг 2: Перед нами перечень поставщиков по избранному ОКПД2: наименование, стоимость из исполненного договора в ЕИС, контакты поставщика.

Шаг 3: Галочками отмечаем три пригодные цены. Жмем на клавишу “высчитать НМЦК”.

Шаг 4: НМЦК рассчитана. Программка инспектирует коэффициент варианты и автоматом сформировывает отчет обоснования в Excel.

Что такое НМЦК по 44-ФЗ, определение НМЦК?

НМЦК – это исходная наибольшая стоимость договора, которую с помощью способов, закрепленных в Федеральном законе № 44-ФЗ, заказчику либо уполномоченному органу нужно высчитать и доказать для проведения аукциона.

Какие бывают способы расчета НМЦК (исходной наибольшей цены договора) по 44-ФЗ?

  • анализ рынка либо способ сравнимых рыночных цен;
  • тарифный способ;
  • нормативный способ;
  • накладный способ;
  • проектно-сметный способ.

Способ сравнимых рыночных цен употребляется заказчиком при закупке у единственного поставщика, методом формирования цены, исходя из рыночных цен на подобные продукты, услуги и работы. Таковой способ при данной закупке является приоритетным.

Тарифный способ применяется в том случае, если стоимость закупки заказчика на работы, услуги либо продукты урегулированы законодателем либо государственными правовыми актами.

Нормативный способ употребляется при расчете исходной наибольшей цены договора, который заключается с единственным поставщиком, в согласовании с требованиями, установленными статьей 19 Федерального закона № 44-ФЗ.

Проектно-сметный способ также употребляется для определения НМЦК при заключении договора с единственным поставщиком на определенные виды деятельности, а конкретно на стройку и сохранение культурного наследства народов РФ (Российская Федерация — государство в Восточной Европе и Северной Азии, наша Родина).

Накладный способ заключается в сумме прибыли, обыкновенной для определенного вида деятельности, и сделанных издержек. Применяется накладный способ лишь в том случае, если другие способы применять недозволено.

Сначала данной статьи представлен калькулятор расчета НМЦК по 44-ФЗ. Калькулятор прост в использовании, для получения расчета НМЦК довольно ввести три цены и количество.

Как высчитать НМЦК по 44-ФЗ?

Во-1-х, проанализировать предложения на рынке, исходя из тех черт, которым должен соответствовать продукт, работа либо услуга. Сформировать объект закупки, обрисовать его. В том числе условия поставки и список требований к объекту закупки.Избрать соответственный способ, описанный чуть повыше и высчитать исходную наивысшую стоимость договора. Высчитать НМЦК можно несколькими методами. 1-ый, наиболее непростой, по формулам. Создать это можно в программке excel. К примеру, Исходную наивысшую стоимость договора тарифным способом можно высчитать по последующей формуле:
〖НМЦК〗^тариф= vц_тариф
V – размер закупаемого продукта, работы либо услуги.
Цтариф – стоимость одной единицы продукта, работы либо услуги, которая установлена в рамках муниципального регулирования цен либо городским правовым актом.
Другие формулы расчета НМЦК можно отыскать в методических наставлениях по применению НМЦК в приказе Министерства экономического развития РФ (Российская Федерация — государство в Восточной Европе и Северной Азии, наша Родина) от 02.10.2013 N 567. Можно пользоваться наиболее обычным и комфортным способом расчета – калькулятор НМЦК. Одним из более всераспространенных считается калькулятор НМЦК, размещенный в программке для госзаказчиков “Эконом-Эксперт.Online”.
Довольно ввести нужные данные, и калькулятор выдаст итог по этим же формулам, но это займет намного меньше времени. Таковой калькулятор высчитывает коэффициент варианты цены, в том числе среднее квадратичное отклонение, а по итогам расчета сформировывает отчет с обоснованием исходной наибольшей цены договора.
Наиболее совершенные калькуляторы НМЦК, сроков конкурентных процедур, также остальные полезные заказчику функции можно отыскать в платной программке для ведения закупок “Эконом-Эксперт”.

Интересно почитать:  Гугл докс таблицы excel

Пример автоматического расчета НМЦК: программка подберет цены из реестра договоров в ЕИС, или укажите для расчета цены из коммерческих предложений. Программка предупредит, если превышен коэффициент варианты.

В которой форме необходимо составлять расчет НМЦК (исходной наибольшей цены договора) по 44-ФЗ?

Форма составления случайная, но, целенаправлено применять форму, рекомендованную в Приложении к Методическим советам.

Какую информацию нужно указать при составлении письменного обоснования НМЦК?

  • объект закупки и его свойства;
  • способ обоснования исходной наибольшей цены договора;
  • обоснование использования избранного способа;
  • документы и их реквизиты, на основании которых производился расчет НМЦК;
  • сам расчет исходной наибольшей цены договора;
  • дату составления обоснования;

Необходимо располагать обоснование расчета НМЦК (исходной наибольшей цены договора) по 44-ФЗ в ЕИС?

Да, таковая информация располагается заказчиком в Единой информационной системе. Но, наименования поставщиков, которые предоставили данную информацию указывать не надо.

Коэффициент варианты в статистике: примеры расчета

Коэффициент вариации

Как обосновать, что закономерность, приобретенная при исследовании экспериментальных данных, не является результатом совпадения либо ошибки экспериментатора, что она достоверна? С таковым вопросцем сталкиваются начинающие исследователи.Описательная статистика предоставляет инструменты для решения этих задач. Она имеет два огромных раздела – описание данных и их сравнение в группах либо в ряду меж собой.

Характеристики описательной статистики

Существует несколько характеристик, которые употребляет описательная статистика.

Среднее арифметическое

Итак, представим, что перед нами стоит задачка обрисовать рост всех студентов в группе из 10 человек. Вооружившись линейкой и проведя измерения, мы получаем небольшой ряд из 10 чисел (рост в сантиметрах):

168, 171, 175, 177, 179, 187, 174, 176, 179, 169.

Если пристально поглядеть на этот линейный ряд, то можно найти несколько закономерностей:

  • Ширина интервала, куда попадает рост всех студентов, – 18 см.
  • В распределении рост более близок к середине этого интервала.
  • Встречаются и исключения, которые более близко размещены к верхней либо нижней границе интервала.

Совсем разумеется, что для выполнения задачки по описанию роста студентов в группе нет необходимости приводить все значения, которые будут измеряться. Для данной нам цели довольно привести всего два, которые в статистике именуются параметрами распределения. Это среднеарифметическое и обычное отклонение от среднего арифметического. Если обратиться к росту студентов, то формула будет смотреться последующим образом:

Среднеарифметическое значение роста студентов = (Сумма всех значений роста студентов) / (Число студентов, участвовавших в измерении)

Если свести все к серьезным математическим терминам, то определение среднего арифметического (обозначается греческой буковкой – μ («мю»)) будет звучать так:

Среднее арифметическое – это отношение суммы всех значений 1-го признака для всех членов совокупы (X) к числу всех членов совокупы (N).

Если применить эту формулу к нашим измерениям, то получаем, что μ для роста студентов в группе 175,5 см.

Обычное отклонение

Если приглядеться к росту студентов, который мы измерили в прошлом примере, то понятно, что рост всякого на сколько-то различается от вычисленного среднего (175,5 см). Для полноты описания необходимо осознать, какой является разница меж средним ростом всякого студента и средним значением.

На первом шаге вычислим параметр дисперсии. Дисперсия в статистике (обозначается σ2 (сигма в квадрате)) – это отношение суммы квадратов разности среднего арифметического (μ) и значения члена ряда (Х) к числу всех членов совокупы (N). В виде формулы это рассчитывается понятнее:

Значения, которые мы получим в итоге вычислений по данной нам формуле, мы будем представлять в виде квадрата величины (в нашем случае – квадратные см). Охарактеризовывать рост в сантиметрах квадратными сантиметрами, согласитесь, несуразно. Потому мы можем поправить, поточнее, упростить это выражение и получим среднеквадратичное отклонение формулу и расчёт, пример:

Таковым образом, мы получили величину обычного отличия (либо среднего квадратичного отличия) – квадратный корень из дисперсии. С единицами измерения тоже сейчас все в порядке, можем посчитать обычное отклонение для группы:

Пример расчета стандартного отклонения

Выходит, что наша группа студентов исчисляется по росту таковым образом: 175,50±5,25 см.

Коэффициент варианты

Среднее квадратичное отклонение отлично работает с рядами, в которых разброс значений не весьма велик (это отлично выслеживалось на примере роста, где интервал был всего 18 см). Если б ряд наших измерений был значительнее, а варьирование роста было посильнее, то обычное отклонение сделалось непоказательным и нам потребовался бы аспект, который может отразить разброс в относительных единицах (т. е. в процентах, относительно средней величины).

Для этих целей предусмотрены абсолютные и относительные характеристики варианты в статистике, характеризующие вариационные масштабы:

  • Квадратический коэффициент варианты.
  • Размах варианты.
  • Коэффициент осцилляции.

Квадратический коэффициент варианты (обозначается как Vσ) – это отношение среднеквадратичного отличия к среднеарифметическому значению, выраженное в процентах.

Для нашего примера со студентами, найти Vσ нетрудно — он будет равен 3,18%. Основная закономерность – чем больше будет изменяться значение коэффициента, тем больше разброс вокруг среднего значения и тем наименее однородна подборка.

Преимущество коэффициента варианты в том, что он указывает однородность значений (асимметрия) в ряду наших измерений, не считая того, на него не оказывают воздействия масштаб и единицы измерения. Эти причины делают коэффициент варианты в особенности пользующимся популярностью в биомедицинских исследовательских работах. Будет считаться, что эксцесс значения Vσ =33% отделяет однородные подборки от неоднородных.

Если отыскать в ряду значений роста (1-ый пример) наибольшее и малое значения, то получим размах варианты (обозначается как R, время от времени ещё именуется колеблемостью). В нашем примере – это значение будет равно 18 см. Эта черта употребляется для расчёта коэффициента осцилляции:

Коэффициент осцилляции – указывает как размах варианты будет относиться к среднему арифметическому ряда в процентном отношении.

Расчёты в Microsoft Ecxel 2016

Можно высчитать описанные в статье статистические характеристики в программке Microsoft Excel 2016, через особые функции в программке. Нужная информация приведена в таблице:

Наименование показателя Расчёт в Excel 2016*
Среднее арифметическое =СРГАРМ(A1:A10)
Дисперсия =ДИСП.В(A1:A10)
Среднеквадратический показатель =СТАНДОТКЛОН.В(A1:A10)
Коэффициент варианты =СТАНДОТКЛОН.Г(A1:A10)/СРЗНАЧ(A1:A10)
Коэффициент осцилляции =(МАКС(A1:A10)-МИН(A1:A10))/СРЗНАЧ(A1:A10)

* в таблице указан спектр A1:A10 для примера, при расчётах необходимо указать требуемый спектр.

Итак, обобщим информацию:

  1. Среднее арифметическое – это значение, позволяющее отыскать среднее значение показателя в ряду данных.
  2. Дисперсия – это среднее значение отклонений возведенное в квадрат.
  3. Обычное отклонение (среднеквадратичное отклонение) – это корень квадратный из дисперсии, для приведения единиц измерения к схожим со среднеарифметическим.
  4. Коэффициент варианты – значение отклонений от среднего, выраженное в относительных величинах (%).

Раздельно необходимо подчеркнуть, что все приведённые в статье характеристики, обычно, не имеют собственного смысла и употребляются для того, чтоб составлять наиболее сложную схему анализа данных. Исключение из этого правила коэффициент варианты, который является мерой однородности данных.

Ссылка на основную публикацию
Adblock
detector