《BI那点儿事》运用标准计分和离差——分析三国超一流统帅综合实力排名 绝对客观,数据说话

数据分析基础概念:
标准计分
1、无论作为变量的满分为几分,其标准计分的平均数势必为0,而其标准差势必为1。
2、无论作为变量的单位是什么,其标准计分的平均数势必为0,而其标准差势必为1。
公式为:

离差:离差就是应用标准计分所得的数值。
1、无论作为变量的满分为几分,其离差的平均数势必为50,而其标准差势必为10。
2、无论作为变量的单位是什么,其标准计分的平均数势必为50,而其标准差势必为10。
公式为:离差=标准计分*10+50
建立数据分析环境:

SELECT TOP 1
        *
FROM    FactSanguo11
ORDER BY 统率 DESC
SELECT TOP 1
        *
FROM    FactSanguo11
ORDER BY 武力 DESC
SELECT TOP 1
        *
FROM    FactSanguo11
ORDER BY 智力 DESC
SELECT TOP 1
        *
FROM    FactSanguo11
ORDER BY 政治 DESC
SELECT TOP 1
        *
FROM    FactSanguo11
ORDER BY 魅力 DESC

结果集为:

各类TOP1人物分别为:统率:司马懿 武力:吕布 智力:诸葛亮 政治:荀彧 魅力:刘备


姓名


指标


单项计分


单项排名


司马懿


统率


98


1


吕布


武力


100


1


诸葛亮


智力


100


1


荀彧


政治


98


1


刘备


魅力


99


1

计算出平均数、标准差:

DECLARE @t TABLE
    (
      Title NVARCHAR(10) ,
      N1 NUMERIC(9, 2) ,
      N2 NUMERIC(9, 2)
    )
INSERT  INTO @t
        ( Title ,
          N1 ,
          n2
        )
        SELECT  N‘统率‘ ,
                AVG(统率) ,
                STDEV(统率)
        FROM    FactSanguo11
        UNION ALL
        SELECT  N‘武力‘ ,
                AVG(武力) ,
                STDEV(武力)
        FROM    FactSanguo11
        UNION ALL
        SELECT  N‘智力‘ ,
                AVG(智力) ,
                STDEV(智力)
        FROM    FactSanguo11
        UNION ALL
        SELECT  N‘政治‘ ,
                AVG(政治) ,
                STDEV(政治)
        FROM    FactSanguo11
        UNION ALL
        SELECT  N‘魅力‘ ,
                AVG(魅力) ,
                STDEV(魅力)
        FROM    FactSanguo11

SELECT  *
FROM    @t

结果集为:

计算过程如下表:


姓名


标准计分


离差


单项计分


排名


司马懿


(98-57.49)/22.23

=1.82


1.82*10+50

=68.2


98


4 统率


吕布


(100-55.14)/24.73

=1.81


1.81*10+50

=68.1


100


5 武力


诸葛亮


(100-58.85)/20.49

=2.01


2.01*10+50

=70.1


100


2 智力


荀彧


(98-56.56)/22.14

=1.87


1.87*10+50

=68.7


98


3 政治


刘备


(99-59.47)/19

=2.08


2.08*10+50

=70.8


99


1 魅力

各项指标权重排名为:1 魅力 2 智力 3 政治 4 统率 5 武力

我们再来比较一下三国超一流统帅综合实力排名—终极版:
建立分析环境:

SELECT  姓名 ,
        ( 统率 - 57.49 ) / 22.23 + ( 武力 - 55.14 ) / 24.73 + ( 智力 - 58.85 )
        / 20.49 + ( 政治 - 56.56 ) / 22.14 + ( 魅力 - 59.47 ) / 19.00 AS 最终得分
FROM    FactSanguo11
ORDER BY ( 统率 - 57.49 ) / 22.23 + ( 武力 - 55.14 ) / 24.73 + ( 智力 - 58.85 )
        / 20.49 + ( 政治 - 56.56 ) / 22.14 + ( 魅力 - 59.47 ) / 19.00 DESC 

TOP 15结果集如下:

三国是个特殊的年代,最聪明的人最能反映这个政治集团的实力,根据各项计算,人物综合实力最终排名为:曹操、周瑜、司马懿、陆逊、诸葛亮、吕蒙、关羽、孙坚、邓艾、羊祜、陆抗、姜维、孙策、鲁肃、孙权。
附图:

时间: 2024-10-12 00:17:40

《BI那点儿事》运用标准计分和离差——分析三国超一流统帅综合实力排名 绝对客观,数据说话的相关文章

《BI那点儿事—数据的艺术》目录索引

转自:http://www.cnblogs.com/Bobby0322/p/4052495.html 原创·<BI那点儿事—数据的艺术>教程免费发布 各位园友,大家好,我是Bobby,在学习BI和开发的项目的过程中有一些感悟和想法,整理和编写了一些学习资料,本来只是内部学习使用,但为了方便更多的BI开发者,推动BI企业级应用开发,决定整理成一部教程,并在网络上免费发布该教程,希望为BI时代贡献绵薄之力! 本教程是由Bobby参考官方文档,综合市面相关书籍,经过充分的吸收消化,结合开发实践的而创

《BI那点儿事》SSRS图表和仪表——雷达图分析三国超一流谋士、统帅数据(图文并茂)

雷达图分析三国超一流谋士.统帅数据,献给广大的三国爱好者们,希望喜欢三国的朋友一起讨论,加深对传奇三国时代的了解 建立数据环境: -- 抽取三国超一流谋士TOP 10数据 DECLARE @t1 TABLE ( [姓名] NVARCHAR(255) , [统率] FLOAT , [武力] FLOAT , [智力] FLOAT , [政治] FLOAT , [魅力] FLOAT ) INSERT INTO @t1 SELECT TOP 10 [姓名] , [统率] , [武力] , [智力] ,

《BI那点儿事》Microsoft 决策树算法——找出三国武将特性分布,献给广大的三国爱好者们

根据游戏<三国志11>武将数据,利用决策树分析,找出三国武将特性分布.其中变量包括统率.武力.智力.政治.魅力.身分.变量说明:统率:武将带兵出征时的部队防御力.统帅越高受到普通攻击与兵法攻击越少.武力:武将带兵出征时的部队攻击力,武力越高发动兵法或者普通攻击时对地方部队的伤害就越高:并且当发动单挑时双方武将武力值相差越少则成功率越高,同时武力也代表单挑时的武将攻击力.智力:武将发动部队计略时的效果与成功率,当武将智力高时则可以降低中计的几率:同时智力代表军师能力.政治:武将发展内政时的能力,

《BI那点儿事》数据流转换——OLE DB 命令转换

原文:<BI那点儿事>数据流转换--OLE DB 命令转换 OLE DB命令对数据流中的数据行执行一个OLE DB命令.它针对数据表中的每一行进行更新操作,可以事先将要更新的数据存放在表中.或者针对一个有输入参数的存储过程,可以将这些参数存放在一个数据表中,不用每次都输入参数.示例数据准备: CREATE TABLE SourceParametersForStoredProc ( Param1 INT, param2 INT ) CREATE TABLE DestinationOLEDBCom

《BI那点儿事》Microsoft 神经网络算法

原文:<BI那点儿事>Microsoft 神经网络算法 Microsoft神经网络是迄今为止最强大.最复杂的算法.要想知道它有多复杂,请看SQL Server联机丛书对该算法的说明:“这个算法通过建立多层感知神经元网络,建立分类和回归挖掘模型.与Microsoft决策树算法类似,在给定了可预测属性的每个状态时, Microsoft神经网络算法计算输入属性每个可能状态的概率.然后可以用这些概率根据输入属性预测被预测属性的输出.”什么时候用这个算法呢?推荐在其他算法无法得出有意义的结果时再用,如提

《BI项目笔记》创建标准维度、维度自定义层次结构

原文:<BI项目笔记>创建标准维度.维度自定义层次结构

《BI那点儿事》数据流转换——逆透视转换

原文:<BI那点儿事>数据流转换--逆透视转换 逆透视转换将来自单个记录中多个列的值扩展为单个列中具有同样值的多个记录,使得非规范的数据集成为较规范的版本.例如,每个客户在列出客户名的数据集中各占一行,在该行的各列中显示购买的产品和数量.逆透视转换将数据集规范之后,客户购买的每种产品在该数据集中各占一行. 我们下一步是进行逆透视.与透视配置不同,逆透视配置相对简单. 你将需要选择透视字段,在这个例子中透视字段是Ham.Soda.Milk.Beer和Chips.透视字段名称将出现在标题为Prod

《BI那点儿事》数据挖掘的主要方法

原文:<BI那点儿事>数据挖掘的主要方法 一.回归分析目的:设法找出变量间的依存(数量)关系, 用函数关系式表达出来.所谓回归分析法,是在掌握大量观察数据的基础上,利用数理统计方法建立因变量与自变量之间的回归关系函数表达式(称回归方程式).回归分析中,当研究的因果关系只涉及因变量和一个自变量时,叫做一元回归分析:当研究的因果关系涉及因变量和两个或两个以上自变量时,叫做多元回归分析.此外,回归分析中,又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的,分为线性回归分析和非线性回

《BI那点儿事》数据流转换——数据转换

原文:<BI那点儿事>数据流转换--数据转换 数据转换执行类似于T-SQL中的函数CONVERT或CAST的功能.数据转换的编辑界面如图,选择需要转换的列,在DataType下拉列表中选择需要的数据类型.Output Alias栏内设置输出时使用的别名.