คำนวณค่าเฉลี่ยของ ‘ส่วนเบี่ยงเบนสัมบูรณ์’ (Average Absolute Deviation) คือดูว่าข้อมูลแต่ละตัวห่างจากค่าเฉลี่ยโดยรวมมากน้อยแค่ไหนโดยเฉลี่ย (ยิ่งมากแสดงว่าข้อมูลกระจายตัวสูง)
=AVEDEV(number1, [number2], ...)
=AVEDEV(number1, [number2], ...)
| Argument | Type | Required | Default | Description |
|---|---|---|---|---|
| number1 | Number/Range | Yes | ตัวเลขหรือช่วงเซลล์แรก ที่ต้องการคำนวณส่วนเบี่ยงเบน | |
| number2 | Number/Range | Optional | ตัวเลขหรือช่วงเซลล์เพิ่มเติม (รองรับได้ถึง 255 arguments) |
AVEDEV(4, 5, 6, 7, 5, 4, 3)=AVEDEV(4, 5, 6, 7, 5, 4, 3)
1.02
AVEDEV(10, 12, 8, 10)=AVEDEV(10, 12, 8, 10)
1
AVEDEV(5, 5, 5, 5)=AVEDEV(5, 5, 5, 5)
AVEDEV(A2:A6)=AVEDEV(A2:A6)
15.2
AVEDEV ใช้ค่าสัมบูรณ์ (absolute deviation) ส่วน STDEV ใช้ค่ากำลังสอง (squared deviation) AVEDEV ง่ายต่อการเข้าใจ แต่ STDEV นิยมใช้มากกว่าในสถิติเพราะคณิตศาสตร์ที่อยู่เบื้องหลังค่อนข้างเข้มข้น
AVEDEV รองรับ 1 ถึง 255 arguments ซึ่งสามารถเป็นตัวเลข ช่วงเซลล์ หรือการรวมกันของทั้งสองได้
Text และ logical values ในช่วงข้อมูล (array) จะถูกละเว้น แต่ถ้าคุณป้อน text โดยตรงเป็น argument จะเกิด #VALUE! error
ผลลัพธ์ต่ำ = ข้อมูลเกาะกลุ่มแน่น | ผลลัพธ์สูง = ข้อมูลกระจายตัวมาก
AVEDEV คำนวณค่าเฉลี่ยของส่วนเบี่ยงเบนสัมบูรณ์ (Average Absolute Deviation) ซึ่งวัดว่าข้อมูลแต่ละจุดห่างจากค่าเฉลี่ยโดยรวมแค่ไหน ใช้ทำความเข้าใจการกระจายตัวของข้อมูล (data variability).
ที่เจ๋งคือ AVEDEV นับว่าทำให้เห็นภาพความสม่ำเสมอของข้อมูล – ถ้าผลลัพธ์น้อยแสดงว่าข้อมูลเกาะกลุ่มกันแน่น ถ้ามากแสดงว่าข้อมูลกระจายกัน ต่างจาก STDEV ที่ใช้กำลังสอง AVEDEV ใช้ค่าสัมบูรณ์ (absolute value) ทำให้คำนวณได้ตรงไปตรงมา.
ส่วนตัวผม AVEDEV เป็นตัวเลือกที่ดีเมื่อต้องการดูความ ‘คล้ายคลึงกัน’ ของข้อมูลในแบบที่เข้าใจง่าย โดยไม่ต้อง ‘ยกกำลังสอง’ อย่างเช่น STDEV