Как составить статистику по возрасту

Диаграмма «Возрастная Пирамида» – активно применяется в статистики демографии. Обозначает иллюстрацию на графике возрастное распределении население разделено по полу (мужскому и женскому). По вертикальной оси Y – возраст, по горизонтальной оси X – количество. Пол разделяется по разным сторонам (влево и вправо) от нулевого значения X.

Как построить половую возрастную пирамиду в Excel?

Сегодня расскажем об одном из методов создания в Excelе диаграммы, называемой пирамидой возраста:

Начинаем с исходных данных. В данном примере они выглядят так:

Как вы узнаете через минуту, будут созданы отдельные 4 графика: 2– с данными о мужчинах и 2 – отдельно с данными о женщинах. Создавать по 2 графика на 1 пол необходимо для представления отклонений показателей данных о большем числе женщин по отношению к мужчинам на диаграмме с информацией о мужчинах. И наоборот – «предоставить» данные о мужчинах с большим количеством на диаграмме с информацией о женщинах.

Суть идеи диаграммы «Возрастной Пирамиды» состоит в том, чтобы объединить две диаграммы в одну и использовать два ряда данных на одной диаграмме. Сейчас внимание – мы буквально раскрываем секрет.



Посмотрите на рисунок ниже. На нем хорошо видно диаграммы с двумя рядами (разных цветов), расположенные друг над другом. Синий ряд «обслуживает» один столбец с данными (мужчины), а фиолетовый – другой (женщины). В конечном счете, ряды данных отформатированы таким образом, чтобы не было видно, что они расположены один над другим. То, что должно быть видимо – это всего лишь фрагмент ряда, лежащий под другим рядом данных и показывающий разницу в количестве.

Как только вы поймете логику решения, все, что останется, – создать диаграммы.

Выбираем весь диапазон данных A1:C16 и в качестве типа диаграммы выбираем гистограмму, подтип – гистограмма «Линейчатая с группировкой». Как на рисунке ниже.

По умолчанию Excel «выдает» нам диаграмму, которая выглядит примерно так:

Такой вид диаграммы Excel является ПРЕСТУПЛЕНИЕМ в области визуализации данных!

Полный кошмар, и вообще, диаграмма не выглядит так как должна. Поэтому нужно закатать рукава и взяться за форматирование.

Пока не заморачиваемся с дизайном. Обратите внимание только на наиболее важные изменения конфигурации графика.

Следующая проблема заключается в том, что если мы хотим объединить этот график со вторым, по крайней мере один из них должен быть повернут влево (т.е. ось с категориями с правой стороны). Поэтому возникает такой вопрос: как убедить Excel и график изменить направление?

Решение этих двух задач заключается в конфигурации оси и масштаба. Дважды щелкаем по горизонтальной оси и перед нами появляется окно «Формат оси». Здесь нам следует внести соответствующие изменения, как показано на рисунке:

Просто отмечаем галочкой опцию «обратный порядок значений».

Изменяем еще два других параметра, на этот раз в окне «Формат ряда данных». Для этого делаем двойной щелчок по любому (голубом или оранжевом) из рядов. В настройках смещаем ползунок опции «Перекрытие рядов» в левую сторону 100%.

После сделаем уменьшение ширины зазоров, сместив ползунок в правую сторону для опции «Боковой зазор» – до 15%. В нашем случае мы не будем полностью удалять его, хотя ничего не мешает нам это сделать. Вопрос в том, какой вид диаграммы мы предпочитаем. Например, в тех же настройках рядов изменим на более адекватные цвета для каждого ряда. Так же изменим заголовок на «Женщины», удалим легенду. Все, что осталось – это «косметические» изменения. Цвета, шрифты, выравнивание и т. д. После таких операций диаграмма выглядит так:

Благодаря этим изменениям наша диаграмма начинает выглядеть так, как мы этого ожидали. Мы очень близки к идеалу!

Теперь не сложно догадаться как выполнить создание аналогичной диаграммы для мужчин в стандартную правую сторону. Важно только отметить, что для правильного перекрытия рядов (для мужчин) нам нужно дополнительно воспользоваться инструментом «КОНСТРУКТОР ДИАГРАММ-«Выбрать данные». И поменять местами приоритеты в левой стороне окна инструмента, так чтобы женщины были сверху, а мужчины снизу:

И в завершение, после расположения двух диаграмм бок о бок, можно также еще воспользоваться командой “камера” для того чтобы сделать «копию» такой сложной диаграммы и … наша диаграмма Возрастная Пирамида готова!

Как неоднократно повторялось, в Excelе почти всегда есть более чем одна дорога, ведущая к достижению ожидаемого результата. Поэтому призываем Вас экспериментировать!

Частотное распределение респондентов по возрасту

Рис. 7 . Гистограмма, построенная на
основе частотной таблицы 2

Подчеркнем, что предлагаемое разбиение
на интервалы представляется нам разумным
для некоторых задач – скажем, в том
случае, если мы особенно интересуемся
категориями женщин, с одной стороны,
думающих о вступлении в фазу трудовой
деятельности и вступающих в нее (15 – 20
лет) и, с другой стороны, – собирающихся
покинуть эту фазу (50-55 лет) (заметим, что
людей старше 80-ти лет в нашей совокупности
нет).

Итак, алгоритм состоит в следующем.
Выбираем какой-то интервал диапазона
изменения возраста за единицу и считаем,
что на нем высота столбца гистограммы
равна проценту людей, попавших в этот
интервал. Для гистограммы, изображенной
на рис. 7 – это интервалы 15
– 20) и50 – 55). Другими
словами, мы выбрали за единицу интервал
длиной в 5 лет. Для интервалов, имеющих
другую длину, высоту столбца гистограммы
будем полагать равной результату деления
величины процента попавших в него людей
на длину интервала. Так, интервал50
– 55) имеет длину в 6 наших единиц. В него
попали 45% респондентов. Поделим 45 на 6 .
Получится 7,5%. Именно такой высоты столбец
и будет отвечать рассматриваемому
интервалу. Так же поступим с интервалом55 – 80). В него попало
5% респондентов, а длина его равна 5
единицам. Значит, высота соответствующего
столбца равна 50:5 = 1 %.

Нетрудно проверить, что при описанном
подходе площадь каждого столбца будет
равной проценту респондентов, возраст
которых попал в интервал, лежащий в его
основании.

Социологу необходимо приучить себя
правильно интерпретировать гистограмму
и сразу, в результате беглого взгляда
на нее, оценивать содержательную суть
представленного ею распределения: эта
оценка должна базироваться на анализе
не высоты столбцов, а их площади! (Роль
беглой визуальной оценки графических
данных в процессе формирования научных
взглядов на изучаемый предмет,
анализируется наукой. Соответственно,
изучаются разные способы визуализации
данных с точки зрения наиболее эффективного
воздействия на сознание исследователя,
наиболее адекватного улавливания им
сути отраженных в “картинках” явлений.
Об этом см., например (Плотинский, 1994)).

Именно при описанном подходе к построению
гистограммы ее можно считать выборочным
представлением того, что в математической
статистике называется функцией плотности
распределения. Только в этом случае
гистограммы, представляющие, скажем,
функцию плотности нормального
распределения, будут в совокупности по
своей форме напоминать известную форму
“колокола” и при увеличении дробности
интервалов все больше приближаться к
идеальной “гладкой” кривой соответствующего
вида.

1.1.3.Кумулята

Выборочным представлением собственно
функции распределения (а не плотности)
случайной величины, “стоящей” за
рассматриваемым признаком, служит т.н.
кумулята распределения, или график
накопленных частот. Она обычно
представляется в виде полигона, каждая
вершина которого отвечает относительной
частоте того, что признак принимает
значение, не превышающее того, над
которым эта вершина находится. Нетрудно
понять, что кумулята получается из
описанного выше полигона распределения
путем последовательного суммирования
определяющих его частот. Так, полигону,
изображенному на рис. 6, будет отвечать
следующая кумулята (рис.8):

Так, полуинтервалу (25, 30будет отвечать частота 80%, складывающаяся
из отраженных на рис. 3 частот,
соответствующих полуинтервалам (15, 20,
(20, 25и (25, 30.
Выборочное представление функции
распределения может быть задано и в
виде гистограммы (рис. 9).

Теперь вспомним, что непрерывные
интервальные шкалы – не самые важные
для социолога виды шкал (даже возраст
социологом часто рассматривается как
номинальная или порядковая переменная:
выделяются классы работающих и
пенсионеров, молодежи и людей более
старших возрастов, репродуктивный
возраст и нерепродуктивный и т.д.).
Перейдем к рассмотрению номинального
и порядковогоуровней измерения.
Шкалы соответствующих типов в социологии
обычно бывают дискретными: в анкете
используется конечный набор значений
(например, удовлетворенность работой
может измеряться по семибалльной
порядковой шкале; для измерения профессии
можно использовать

Рис. 8. Кумулята распределения,
отвечающего выборочной функции плотности,
изображенной на рисунке 3

Рис. 9. Кумулята распределения,
отраженного на рисунках 3 и 8, заданная
в виде гистограммы

номинальную шкалу, определяемую, скажем,
30-ю конкретными наименованиями), и встает
вопрос о том, как здесь строить полигоны,
гистограммы, кумуляты.

Сразу отметим, что говорить о кумуляте
для номинальной шкалы в принципе
невозможно, поскольку для значений
признака, полученных по этой шкале,
теряет смысл понятие “больше” или
“меньше”. Полигон, как мы уже говорили
(см. рис.2), построить можно. Но отрезки,
связывающие отдельные точки, мы никак
не можем интерпретировать. Они проведены
лишь для наглядности и график на рис.2
эквивалентен картине, изображенной на
рис. 1. То же можно сказать и о гистограмме.

Относительно специфики построения
полигонов и гистограмм для порядковых
шкал заметим следующее. Кумуляту для
таких шкал строить можно. Но интерпретация
полигонов и гистограмм (и для кумуляты,
и для выборочной оценки функции плотности
распределения) может быть двоякой.
Поясним на примере рассмотрения функции
плотности.

Возможны два варианта интерпретации
результатов измерения по порядковой
шкале.

1) Полагаем, что в принципе наш признак
непрерывен, а наблюдаемая дискретность
(наблюдаемая совокупность значений
любого признака всегда дискретна хотя
бы в силу своей конечности) объясняется

• либо только конечностью выборки, а в
  принципе мы можем получить в качестве
  наблюдаемого значения любое действительное
  число рассматриваемого отрезка числовой
  оси;

• либо (что обычно более отвечает
  реальности) тем, что мы не умеем достаточно
  точно измерять наш признак; рассматриваем
  лишь несколько его уровней; измерение
  же состоит в том, чтобы каждый измеряемый
  объект отнести к одному из этих уровней.

2) Считаем, что признак дискретен по
своей природе, т.е. что для него не имеют
смысла числа, лежащие между используемыми
шкальными значениями.

В первом случае мы вполне можем
интерпретировать полигон и гистограмму
так же, как это делали для интервального
признака. Во втором же случае построение
и того, и другого рассматривается как
чисто иллюстративный прием – так же, как
это имело место для номинального
признака.

Была ли эта статья полезной?

Оптимизация рекламных кампаний в Яндекс.Директ по полу и/или возрасту доступна уже достаточно давно, но почему-то она до сих пор остается в тени. Правило Парето никто не отменял. 20% аудитории генерируют вам 80% заявок. 

Как анализировать РК в Яндексе по полу и возрасту, какие корректировки делать на основании статистики и что это в итоге дает – рассказывает руководитель агентства «Statura» Аллан Андроник. 

В чем дело

У каждого бизнеса есть своя аудитория. Много статей написано на тему поиска и определения своего идеального аватара клиента (целевой аудитории).

При этом есть есть одно «но». Иногда бывает, что клиент (заказчик РК) дает не совсем точные данные. У кого-то это происходит из-за не настроенной аналитики, когда точно неизвестно, какая доля мужчин и женщин, я уже не говорю о возрасте.

Во втором случае клиент намеренно искажает данные от реальности в пользу желаемой аудитории. Другими словами, собственник бизнеса дает информацию о тех, кому он хочет продавать, а не о тех, кто покупает на самом деле. Из-за этого бывают расхождения в данных, и не все гипотезы подтверждаются. 

Я хочу рассказать о том, как можно улучшить показатели рекламной кампании в 2 и более раз за счет оптимизации по полу и возрасту. Помимо всего, побочный эффект этой оптимизации – выявление фактической ЦА. Продажи никогда не врут. 

2) На странице со статистикой выбираем вкладку «Мастер отчетов».

3) В Мастере отчетов выбираем:

в шапке:

– группировка: за выбранный период;

– атрибуция: последний значимый переход;

– временной промежуток.

в колонке «Срезы»:

– пол;

– возраст.

в колонке «Столбцы»:

– клики

– расход всего (руб.)

– конверсия (%)

– цена цели (руб.)

– конверсии.

4) Нажимаем на экспорт и выбираем «XLSX-файл»:

6) Также удаляем строки, где нет возраста:

7) Считаем автосуммой общее количество конверсий:

8) Находим выдающиеся данные с помощью быстрого анализа данных в экселе.

Выделяем столбец со значениями конверсий, жмем правой кнопкой мыши. 

Выбираем «раскрасить»:

В результате получаем:

и находим там блок «Управление показами», в нем корректировки ставок, нажимаем «добавить»:

10) Исключаем показы для пользователей младше 18 лет и увеличиваем ставки для активной аудитории на 20% для теста.

Опубликовано редакцией Yagla