Analīzes rīku komplekta izmantošana salikto datu analīzes vajadzībām

Piezīme.: Mēs vēlamies sniegt jums visjaunāko palīdzības saturu jūsu valodā, cik vien ātri to varam. Šī lapa ir tulkota automatizēti, un tajā var būt gramatiskas kļūdas un neprecizitātes. Mūsu nolūks ir šo saturu padarīt jums noderīgu. Vai lapas lejasdaļā varat mums pavēstīt, vai informācija jums noderēja? Ērtai atsaucei šeit ir šis raksts angļu valodā.

Ja jāizstrādā kompleksā statistiskā vai tehniskā analīze, izmantojot analīzes rīku komplektu, var samazināt veicamo darbību skaitu un laiku. Jūs nodrošināt datus un parametrus katrai analīzei un rīks izmanto atbilstīgas statistiskās vai tehniskās makro funkcijas, lai aprēķinātu un rādītu rezultātus izvades tabulā. Daži rīki papildus izvades tabulām ģenerē diagrammas.

Datu analīzes funkcijas var vienlaikus izmantot tikai vienā darblapā. Veicot datu analīzi grupētās darblapās, rezultāti tiek rādīti pirmajā darblapā un pārējās darblapās tiek rādītas tukšas formatētas tabulas. Lai veiktu datu analīzi pārējās darblapās, pārrēķiniet analīzes rīku katrā darblapā.

Analīzes rīku komplektā ir iekļauti tālāk esošajās sadaļās aprakstītie rīki. Lai piekļūtu šiem rīkiem, cilnes Dati grupā Analīze noklikšķiniet uz Datu analīze. Ja komanda Datu analīze nav pieejama, jāielādē analīzes rīku komplekta pievienojumprogramma.

  1. Noklikšķiniet uz cilnes Fails, Opcijas un pēc tam uz kategorijas Pievienojumprogrammas.

    Ja izmantojat Excel 2007, noklikšķiniet uz Microsoft Office pogas Pogas attēls un pēc tam noklikšķiniet uz Excel opcijas .

  2. Lodziņā Pārvaldīt atlasiet Excel pievienojumprogrammas un pēc tam noklikšķiniet uz Doties uz.

    Ja izmantojat programmu Excel darbam ar Mac, izvēlnē fails atveriet rīku _GT_ Excel pievienojumprogrammas.

  3. Lodziņā Pievienojumprogrammas atzīmējiet izvēles rūtiņu Analīzes rīku komplekts un pēc tam noklikšķiniet uz Labi.

    • Ja lodziņā Pieejamās pievienojumprogrammas nav norādīta opcija Analīzes rīku komplekts, noklikšķiniet uz Pārlūkot, lai to atrastu.

    • Ja tiek parādīta uzvedne, kas informē par to, ka analīzes rīku komplekts nav instalēts datorā, noklikšķiniet uz , lai to instalētu.

Piezīme.: Lai analīzes rīku komplektā iekļautu programmu Visual Basic for Application (VBA), var ielādēt analīzes rīku komplekta - VBA pievienojumprogrammu tādā pašā veidā, kā ielādējot analīzes rīku komplektu. Lodziņā Pieejamās pievienojumprogrammas atzīmējiet izvēles rūtiņu Analīzes rīku komplekts - VBA.

Anova analīzes rīki piedāvā dažādus dispersijas analīzes tipus. Izmantojamie rīki ir atkarīgi no daudziem faktoriem un paraugu skaita, kurus ieguvis no populācijas, kuru vēlaties testēt.

Anova: vienfaktors

Šajā rīkā ir veikta vienkārša dispersijas analīze par divu vai vairāku paraugu datiem. Analīzē tiek sniegts hipotēzes tests, ka katrs paraugs tiek izvilkts no tā paša pamata varbūtības sadalījuma ar alternatīvo hipotēzi, ka bāzes varbūtības sadalījums nav vienāds visiem paraugiem. Ja ir tikai divi paraugi, varat izmantot darblapas funkciju T.Pārbaudiet. Ar vairāk nekā diviem paraugiem nav ērtu vispārinājumu .Pārbaudiet, un tā vietā var tikt nosaukts viena faktora Anova modelis.

Anova: divfaktors ar replicēšanu

Šis analīzes rīks ir noderīgs, kad datus var klasificēt divās dažādās dimensijās. Piemēram, augu garumu mērīšanas eksperimentā augiem var dot dažādu veidu mēslojumu (piemēram, A, B, C) un tos var turēt arī dažādās temperatūrās (piemēram, zemā, augstā). Katram no sešiem iespējamiem pāriem {mēslojums, temperatūra} ir vienāds augu garuma novērojumu skaits. Izmantojot šo Anova rīku, var pārbaudīt:

  • Vai augu garumi dažādu veidu mēslojumiem tiek izvilkti no tās pašas pamatā esošās populācijas. Šai analīzei temperatūra tiek ignorēta.

  • Vai arī augu garumi dažādos temperatūras līmeņos tiek izvilkti no tās pašas pamatā esošās populācijas. Šai analīzei mēslojumu veidi tiek ignorēti.

Aprēķinot atšķirību efektu starp mēslojumu veidiem, kas atrodamas pirmajā punktā ar aizzīmi, un atšķirības pēc temperatūras, kas atrodamas otrajā punktā ar aizzīmēm, seši paraugi, kas pārstāv visus vērtību {mēslojums, temperatūra} pārus, tiek izvilkti no tās pašas populācijas. Alternatīvā hipotēze ir tāda, ka efekti rodas atbilstīgi konkrētiem pāriem {mēslojums, temperatūra} pāri un virs atšķirībām, kas pamatotas tikai uz mēslojumu vai tikai uz temperatūru.

Ievades diapazona iestatījums Anova rīkam

Anova: divfaktors bez replicēšanas

Šis analīzes rīks ir noderīgs, ja dati tiek klasificēti divās dažādās dimensijās kā divu faktoru gadījumā ar replicēšanu. Tomēr šim rīkam ir pieņemts, ka katram pārim ir tikai viens novērojums (piemēram, katrs pāris {mēslojums, temperatūra} iepriekšējā piemērā).

Darblapas funkcijas funkcija CORREL un Pearson aprēķiniet korelācijas koeficientu starp diviem mērījuma mainīgajiem, ja katram mainīgajam tiek ievēroti mērījumi katram no N tēmām. (Jebkura tēmas trūkstošā novērošana izraisa šo tēmu ignorēšanu analīzē.) Korelācijas analīzes rīks ir īpaši noderīgs, ja katrā no N tēmām ir vairāk nekā divi mērīšanas mainīgie. Tas nodrošina izvades tabulu, korelācijas matricu, kas parāda funkcija CORREL (vai Pearson) vērtību, kas tiek lietota katram iespējamajam mērījumu mainīgo pārim.

Korelācijas koeficients, piemēram, kovariācijas, ir lielums, kas norāda, cik lielā mērā divi mērījuma mainīgie ir dažādi. Atšķirībā no kovariācijas korelācijas koeficients ir mērogots tā, lai tā vērtība nebūtu atkarīga no vienībām, kurās ir izteikti divi mērījuma mainīgie. (Piemēram, ja divi mērījuma mainīgie ir biezums un augstums, korelācijas koeficienta vērtība ir nemainīga, ja svars tiek konvertēts no mārciņas uz kilogramiem.) Jebkura korelācijas koeficienta vērtībai ir jābūt diapazonā no-1 līdz + 1 ieskaitot.

Korelācijas analīzes rīku var izmantot, lai pārbaudītu katru mērījuma mainīgo pāri un noteiktu, vai abiem mērījuma mainīgajiem ir tendence pārvietoties kopā — tas ir, viena mainīgā lielajām vērtībām ir tendence būt saistītām ar otra lielajām vērtībām (pozitīvā korelācija), vai viena mainīgā mazajām vērtībām ir tendence būt saistītām ar otra lielajām vērtībām (negatīvā korelācija) vai arī abu mainīgo vērtībām ir tendence būt nesaistītām (korelācija pie 0 (nulle)).

Ja ir N dažādi mērījumu mainīgie, kas novēroti personu kopā, korelācijas un kovariācijas rīkus var izmantot vienā iestatījumā. Korelācijas un kovariācijas rīki dod izvades tabulu, matricu, kas rāda korelācijas koeficientu vai kovariāciju atbilstīgi starp katru mērījuma mainīgo pāri. Atšķirība ir tāda, ka korelācijas koeficienti ir mērogoti atrasties starp -1 un +1 ieskaitot. Atbilstīgās kovariācijas netiek mērogotas. Gan korelācijas koeficients, gan kovariācija ir mērījumi, kurā divi mainīgie "variējas kopā".

Kovariācijas rīks aprēķina darblapas funkcijas kovariācijas vērtību. P katram mērījuma mainīgo pārim. (Tieša KOVARIĀCIJAS lietošana P, nevis kovariācijas rīks ir saprātīga alternatīva, ja ir tikai divi mērījuma mainīgie, tas ir, N = 2.) Ievadne kovariācijas rīka izvades tabulas diagonālē rindā i, kolonna i ir i-tā mērījumu mainīgā kovariācijas ar sevi. Šī ir tikai šī mainīgā populācijas dispersija, kas aprēķināta, izmantojot darblapas funkciju var.P.

Varat izmantot kovariācijas rīku, lai pārbaudītu katru lieluma mainīgo pāri un noteiktu, vai divi lieluma mainīgie tiecas sastapties — tas ir, vai viena mainīgā lielās vērtības var tikt saistītas ar otra mainīgā lielajām vērtībām (pozitīvā kovariācija), vai viena mainīgā mazās vērtības var tikt saistītas ar otra mainīgā lielajām vērtībām (negatīvā kovariācija), vai, iespējams, abu mainīgo vērtības nevar tikt saistītas (kovariācija tuva 0 (nullei)).

Aprakstošās statistikas analīzes rīks ģenerē nemainītās statistikas atskaiti datiem ievades diapazonā, sniedzot informāciju par centrālo tendenci un datu mainīgumu.

Eksponenciālās nogludināšanas analīzes rīks prognozē vērtību, pamatojoties uz iepriekšējā perioda analīzi, kurš ir pielāgots kļūdai šajā iepriekšējā prognozē. Rīks izmanto nogludināšanas konstanti a, kuras lielums nosaka, cik lielā mērā prognozes atbilst kļūdām iepriekšējā prognozē.

Piezīme.: Piemērota nogludināšanas konstantes vērtība ir no 0,2 līdz 0,3. Šīs vērtības norāda, ka pašreizējo prognozi vajadzētu pielāgot par 20-30 procentiem kļūdai iepriekšējā prognozē. Lielākas konstantes izveido ātrāku atbildi, bet var izveidot neparastas projekcijas. Mazākas konstantes var izveidot ilgus kavējumus prognozes vērtībām.

F testa divparauga dispersiju analīzes rīks veic divparaugu F testu, lai salīdzinātu divas populācijas dispersijas.

Piemēram, var izmantot F testa rīku laiku paraugos peldēšanas sacensībām katrai no divām komandām. Rīks sniedz nulles hipotēzes testa rezultātu, ka šie divi paraugi nāk no vienādu dispersiju sadalījuma attiecībā pret alternatīvu, ka dispersijas nav vienādas ar spēkā esošajiem sadalījumiem.

Rīks aprēķina F-statistikas (vai F-koeficienta) vērtību f. Vērtība f, kas atrodas blakus 1, norāda, ka populācijas dispersijas ir vienādas. Izvades tabulā, ja f < 1 "P (F < = f) vienpusējā aste" ir varbūtība, ka tiek ievērota F statistiskā vērtība, kas ir mazāka par f, ja populācijas dispersijas ir vienādas, un "F kritiskā vienpusējā aste" sniedz kritisko vērtību, kas ir mazāka par 1, ja izvēlētais nozīmības līmenis Alfa. Ja f > 1, "P (F < = f) vienpusējā aste" sniedz varbūtību, ka tiek ievērota F statistikas vērtība, kas ir lielāka par f, ja populācijas dispersijas ir vienādas, un "F kritiskā vienpusējā aste" sniedz kritisko vērtību, kas lielāka par 1.

Fourier analīzes rīks risina problēmas lineārās sistēmās un analizē periodiskos datus, datu transformēšanai izmantojot ātrās Fourier transformēšanas (FFT) metodi. Šis rīks atbalsta arī inversās transformācijas, kurās transformēto datu inverss tiek atgriezts uz sākotnējiem datiem.

Ievades un izvades diapazoni Fourier analīzei

Histogrammas analīzes rīks aprēķina atsevišķos un kumulatīvos sastopamības biežumus šūnas datu diapazonam un datu nodalījumiem. Šis rīks ģenerē datus vērtības gadījumu skaitam datu kopā.

Piemēram, klasē, kurā ir 20 audzēkņi, var noteikt rezultātu izplatību burtu kategorijās. Histogrammas tabula attēlo burtu kategorijas robežas un rezultātu skaitu starp zemāko robežu un pašreizējo robežu. Atsevišķs visbiežākais rezultāts ir datu režīms.

Padoms.: Programmā Excel 2016 tagad var izveidot histogrammas vai Pareto diagrammu.

Mainīgā vidējā analīzes rīks projektē vērtības prognozes periodā, pamatojoties uz mainīgā vidējo vērtību konkrētā iepriekšējo periodu skaitā. Vidējais mainīgais sniedz tendences informāciju, ko maskētu visu vēsturisko datu vienkāršs vidējais. Lietojiet šo rīku, lai prognozētu pārdošanu, krājumus vai citas tendences. Katras budžeta vērtības pamatā it tālāk norādītā formula.

Formula mainīgo vidējo aprēķināšanai

kur:

  • N ir iepriekšējo periodu skaits, kas jāiekļauj vidējā mainīgajā

  • A j ir faktiskā vērtība laikā j

  • F j ir prognozētā vērtība laikā j

Dažādu skaitļu ģenerēšanas analīzes rīks aizpilda diapazonu ar neatkarīgiem dažādiem skaitļiem, kas ir izvilkti no vienas no vairākām izplatībām. Tēmas populācijā var raksturot ar varbūtības sadalījumu. Piemēram, var izmantot parastu izplatību, lai raksturotu personu garumu populāciju, vai arī var izmantot divu iespējamo iznākumu Bernulli sadalījumu, lai raksturotu apgriezto rezultātu populāciju.

Rank un procentiles analīzes rīks izveido tabulu, kurā ir katras datu kopas vērtības kārtas ranga un procentuālā vērtība. Datu kopā varat analizēt relatīvo vērtību stāvokli. Šis rīks izmanto darblapas funkciju rank. EQ unPERCENTRANK. INC. Ja vēlaties uzskaitīt saistītās vērtības, izmantojiet rank. Funkcija EQ , kas apstrādā saistīto vērtību kā tādu pašu rangu, vai izmantojiet rangu.Funkcija AVG , kas atgriež saistīto vērtību vidējo rangu.

Regresijas analīzes rīks veic lineārās regresijas analīzi, lietojot "mazāko kvadrātu" metodi, lai caur novērojumu kopu iekļautos līnijā. Var analizēt, kā vienu atkarīgo mainīgo ietekmē vienu vai vairāku neatkarīgo mainīgo vērtības. Piemēram, var analizēt, kā sportista veiktspēju ietekmē tādi faktori kā vecums, garums un svars. Var piešķirt koplietojumus veiktspējas mērvienībā katram no šiem trim faktoriem, pamatojoties uz veiktspējas datu kopu, un pēc tam izmantot rezultātus, lai paredzētu jauna, nepārbaudīta sportista veiktspēju.

Regresijas rīks izmanto darblapas funkciju LINEST.

Iztveršanas analīzes rīks izveido paraugu no populācijas, apstrādājot ievades diapazonu kā populāciju. Ja populācija ir pārāk liela apstrādei vai diagrammai, varat izmantot attēlojošu paraugu. Var izveidot arī paraugu, kurā ir tikai vērtības no konkrētas cikla daļas, ja uzskatāt, ka ievades dati ir periodiski. Piemēram, ja ievades diapazons satur ceturkšņa pārdošanas skaitļus, iztveršana notiek ar periodisku četru vietu pārraides ātrumu vērtībām no tā paša ceturkšņa izvades diapazonā.

Divu paraugu T testa analīzes rīku pārbaude populācijas vienādībai nozīmē, kas ir zem katra parauga. Trīs rīki izmanto dažādus pieņēmumus: ka populācijas dispersijas ir vienādas, ka populācijas dispersijas nav vienādas un ka divi paraugi attēlo pirmsapstrādes un pēcapstrādes novērojumus tām pašām tēmām.

Visiem trīs tālāk norādītajiem rīkiem t-statistiskā vērtība t tiek aprēķināta un parādīta kā "t Stat" izvades tabulās. Atkarībā no datiem šī vērtība t var būt negatīva vai nenegatīva. ApŅemoties vienādus populācijas vidējos līdzekļus, ja t < 0, "P (T < = t)-vienpusējais elements", tiek parādīts varbūtība, ka tiek ievērota t statistikas vērtība, kas ir vairāk negatīva nekā t. Ja t > = 0, "P (T < = t) vienpusējā aste" ir varbūtība, ka tiek ievērota t statistiskā vērtība, kas ir pozitīvāka par t. "t kritisko vienpusējā aste" sniedz robeždatuma vērtību, lai novērotu, ka t statistiskā vērtība, kas ir lielāka vai vienāda ar "t kritisko vienpusējo asti", ir alfa.

"P(T <= t) divsekojums" sniedz iespējamību, ka t-statistikas vērtību var novērot lielāku vai vienādu ar t. "P kritiskais divsekojums" sniedz starpības vērtību, tādējādi novērotās t-statistikas iespējamība absolūtajā vērtībā, kas lielāka par "P kritisko divsekojumu", ir alfa.

T tests: divi pāra paraugi vidējiem

Var izmantot pāra testu, ja paraugos ir dabiski novērojumu pāri, piemēram, divreiz testējot paraugu grupu — pirms un pēc eksperimenta. Šis analīzes rīks un tā formula veic divparaugu pāru studenta T testu, lai noteiktu, vai novērojumi, kas tika veikti pirms apstrādes, un novērojumi, kas tika veikti pēc apstrādes, ir nākuši no izplatībām ar vienādiem populācijas vidējiem. Šī T testa forma nepieņem, ka abu populāciju dispersijas ir vienādas.

Piezīme.: Starp šī rīka ģenerētajiem rezultātiem ir pūlotā dispersija, uzkrātais datu izplatības mērījums par vidējo, kas iegūts no šīs formulas.

Formula pūlotās dispersijas aprēķināšanai

T tests: divu izlašu pieņemšana vienādās dispersijās

Šis analīzes rīks veic divu izlašu studenta T testu. Šī T testa forma pieņem, ka divas datu kopas nāk no sadalījumiem ar vienādām dispersijām. Uz to atsaucas kā uz homoskedastisku T testu. Šo T testu var izmantot, lai noteiktu, cik liela ir iespējamība, ka abi piemēri ir nākuši no sadalījumiem ar vienādiem populācijas vidējiem.

T tests: divu izlašu pieņemšana nevienādās dispersijās

Šis analīzes rīks veic divu izlašu studenta T testu. Šī T testa forma pieņem, ka divas datu kopas nāk no sadalījumiem ar nevienādām dispersijām. Uz to atsaucas kā uz heteroscedastisko T testu. Tāpat kā iepriekšējā vienādo dispersiju gadījumā šo T testu var izmantot, lai noteiktu, vai abi piemēri, kā liekas, ir nākuši no sadalījumiem ar vienādiem populācijas vidējiem. Izmantojiet šo testu, ja abos paraugos ir atšķirīgas tēmas. Izmantojiet pāru testu, kas aprakstīts šajā piemērā, ja ir atsevišķa tēmu kopa un divi paraugi attēlo mērījumus katrai tēmai pirms un pēc apstrādes.

Lai noteiktu statistisko vērtību t, izmanto tālāk norādīto formulu.

Formula vērtības t aprēķināšanai

Tālāk norādītā formula tiek izmantota, lai aprēķinātu brīvības pakāpes df. Tā kā aprēķina rezultāts parasti nav vesels skaitlis, tad df vērtība tiek noapaļota līdz tuvākajam veselajam skaitlim, lai iegūtu kritisko vērtību no t tabulas. Excel darblapas funkcija T.Testēšanā tiek izmantota aprēķinātā df vērtība bez noapaļošanas, jo ir iespējams aprēķināt vērtību T.Tests ar DF, kas nav vesels skaitlis. Tā kā ir atšķirīgas pieejas brīvības pakāpes noteikšanai, tās rezultāti ir .Tests un šis t testa rīks atšķirsies neVienādās dispersijas gadījumā.

Formula brīvības pakāpju saskaņošanai

Z tests: divi paraugi līdzekļu analīzes rīkam veic divus parauga z testu, ar zināmām dispersijām. Šis rīks tiek izmantots, lai pārbaudītu nulles hipotēzi, ka starp diviem populācijas vidējiem nav atšķirības starp vienpusējām vai abpusējām alternatīvām hipotēzēm. Ja dispersijas nav zināmas, darblapas funkcija Z.Tā vietā jāizmanto pārbaude .

Izmantojot Z testa rīku, uzmanieties, lai pareizi izprastu izvadi. "P(Z <= z) viensekojums" faktiski ir P(Z >= ABS(z)), z vērtības iespējamība tālāk no 0 tajā pašā virzienā kā novērotā z vērtība, ja nav atšķirības starp populācijas līdzekļiem. "P(Z <= z) divsekojums" faktiski ir P(Z >= ABS(z) vai Z <= -ABS(z)), z vērtības iespējamība tālāk no 0 jebkurā virzienā nekā novērotā z vērtība, ja nav atšķirības starp populācijas līdzekļiem. Divsekojumu rezultāts ir vienkārši viensekojuma rezultāts, kas reizināts ar 2. Z testa rīku var arī izmantot gadījumam, kur nulles hipotēze ir tā, ka nav konkrētas vērtības, kas nav nulle atšķirībai starp diviem populācijas vidējiem. Piemēram, šo testu var izmantot, lai noteiktu atšķirības starp divu automašīnu modeļu veiktspēju.

Vai nepieciešama papildu palīdzība?

Vienmēr varat pajautāt speciālistiem Excel Tech kopienā, saņemt atbalstu Answers kopienā vai ieteikt jaunu līdzekli vai uzlabojumu vietnē Excel User Voice.

Skatiet arī

Histogrammas izveide programmā Excel 2016

Pareto diagrammas izveide programmā Excel 2016

Analīzes rīku komplekta ieLāde programmā Excel

TEHNISKĀS funkcijas (Uzziņa)

STATISTISKās funkcijas (Uzziņa)

Pārskats par formulām programmā Excel

Kā nepieļaut kļūdainas formulas

Kļūdu atrašana un izlabošana formulās

Excel īsinājumtaustiņi un funkciju taustiņi

Excel funkciju saraksts (pēc alfabēta)

Excel funkciju saraksts (pēc kategorijas)

Paplašiniet savas Office prasmes
Iepazīties ar apmācību
Esiet pirmais, kas saņem jaunās iespējas
Pievienoties Office Insider programmai

Vai šī informācija bija noderīga?

Paldies par jūsu atsauksmēm!

Paldies par atsauksmēm! Šķiet, ka varētu būt noderīgi sazināties ar kādu no mūsu Office atbalsta aģentiem.

×