Стандартне відхилення — це корінь квадратний дисперсії, яку видала функція VARPA.
Приклад
Припустимо, ви встановили датчик температури в Купертіно, штат Каліфорнія. Датчик щодня записує найвищі та найнижчі показники температури (у градусах за шкалою Фаренгейта). Дані за перші кілька днів липня показані в наведеній нижче таблиці і використовуються як вибірка для сукупності найвищих і найнижчих показників температури (зауважте, що це лише приклад, який не є надійним з точки зору статистичного аналізу). П’ятого червня датчик вийшов із ладу, тому дані в таблиці мають значення «немає» або «недоступно».
A
B
C
1
Дата
Макс.
Мін.
2
01.07.2010
58
3
02.07.2010
84
61
4
03.07.2010
82
59
5
04.07.2010
78
55
6
05.07.2010
немає
7
06.07.2010
81
57
8
07.07.2010
93
67
=STDEVPA(В2:В8) повертає приблизно 29,4472894702188 — дисперсію (стандартне відхилення — це міра дисперсії), обчислену функцією STDEVPA, вибірки найвищих показників температури.
Якщо у вас є великий обсяг даних, який не вдалося оцінити візуально, або ви хочете автоматизувати процес перевірки відсутніх значень, можна порівняти результат =STDEVP(В2:В8), яка повертає приблизно 10,6092203085597, і STDEVPA, яка повертає приблизно 29,4472894702188. Якщо вони не збігаються (як в цьому прикладі), це означає, що набір даних містить текстові (наприклад «немає») або одне чи кілька логічних значень (TRUE або FALSE).