การใช้ Analysis ToolPak เพื่อวิเคราะห์ข้อมูลที่ซับซ้อน

1. คลิกแท็บ ไฟล์ คลิก ตัวเลือก แล้วคลิกประเภท Add-in

2. ในกล่อง จัดการ ให้เลือก Add-ins ของ Excel แล้วคลิก ไป

   ถ้าคุณกําลังใช้ Excel for Mac ในเมนูไฟล์ ให้ไปที่ เครื่องมือ > Add-in ของ Excel

3. ในกล่อง Add-in ให้เลือกกล่องกาเครื่องหมาย Analysis ToolPak แล้วคลิก ตกลง

   • ถ้า Analysis ToolPak ไม่อยู่ในกล่อง Add-in ที่มีอยู่ ให้คลิก เรียกดู เพื่อระบุตำแหน่ง Analysis ToolPak

   • ถ้าคุณได้รับการแจ้งเตือนว่ายังไม่ได้ติดตั้ง Analysis ToolPak ในคอมพิวเตอร์ของคุณ ให้คลิก ใช่ เพื่อติดตั้ง Analysis ToolPak

เครื่องมือการวิเคราะห์ Anova มีการวิเคราะห์ค่าความแปรปรวนชนิดต่างๆ เครื่องมือที่คุณควรใช้จะขึ้นอยู่กับจํานวนปัจจัยและจํานวนตัวอย่างที่คุณมีจากประชากรที่คุณต้องการทดสอบ

Anova: ปัจจัยเดียว

เครื่องมือนี้จะทําการวิเคราะห์อย่างง่ายเกี่ยวกับค่าความแปรปรวนของข้อมูลสําหรับตัวอย่างอย่างน้อยสองตัวอย่าง การวิเคราะห์จะให้การทดสอบสมมติฐานว่าแต่ละตัวอย่างถูกดึงมาจากการแจกแจงความน่าจะเป็นแบบเดียวกันเทียบกับสมมติฐานสํารองว่าการแจกแจงความน่าจะเป็นพื้นฐานไม่เหมือนกันสําหรับตัวอย่างทั้งหมด ถ้ามีเพียงสองตัวอย่าง คุณสามารถใช้ฟังก์ชันเวิร์กชีต Tได้ทดสอบ. ด้วยตัวอย่างมากกว่าสองตัวอย่างไม่มีความสะดวกในการใช้งานทั่วไปของ Tการทดสอบ, และเดียวปัจจัย anova รูปแบบสามารถเรียกแทนของ

Anova: สองปัจจัยที่มีการจำลองแบบ

เครื่องมือการวิเคราะห์นี้มีประโยชน์เมื่อสามารถจัดประเภทข้อมูลได้สองขนาดที่แตกต่างกัน ตัวอย่างเช่นในการทดลองเพื่อวัดความสูงของพืชพืชอาจได้รับปุ๋ยยี่ห้อต่าง ๆ (ตัวอย่างเช่น A, B, C) และอาจเก็บไว้ในอุณหภูมิที่แตกต่างกัน (ตัวอย่างเช่นต่ําสูง) สําหรับ {ปุ๋ย, อุณหภูมิ} ที่เป็นไปได้หกคู่ เรามีการสังเกตความสูงของพืชเท่ากัน เมื่อใช้เครื่องมือ Anova นี้ เราสามารถทดสอบ:

• ความสูงของพืชสําหรับแบรนด์ปุ๋ยที่แตกต่างกันนั้นถูกวาดจากประชากรที่เป็นพื้นฐานเดียวกันหรือไม่ อุณหภูมิจะถูกละเว้นสําหรับการวิเคราะห์นี้

• ความสูงของพืชสําหรับระดับอุณหภูมิที่แตกต่างกันนั้นถูกวาดจากประชากรที่เป็นพื้นฐานเดียวกันหรือไม่ แบรนด์ปุ๋ยจะถูกละเว้นสําหรับการวิเคราะห์นี้

ไม่ว่าจะคํานึงถึงผลกระทบของความแตกต่างระหว่างตราสินค้าของปุ๋ยที่พบในสัญลักษณ์แสดงหัวข้อย่อยจุดแรกและความแตกต่างของอุณหภูมิที่พบในสัญลักษณ์แสดงหัวข้อย่อยที่สองตัวอย่างหกตัวอย่างที่แสดงค่า {ปุ๋ย, อุณหภูมิ} ทุกคู่จะถูกวาดจากประชากรเดียวกัน สมมติฐานอื่นคือมีผลเนื่องจาก {ปุ๋ย, อุณหภูมิ} คู่ที่เฉพาะเจาะจงมากกว่าและสูงกว่าความแตกต่างที่ใช้ปุ๋ยเพียงอย่างเดียวหรืออุณหภูมิเพียงอย่างเดียว

Anova: สองปัจจัยที่ไม่มีการจำลองแบบ

เครื่องมือการวิเคราะห์นี้มีประโยชน์เมื่อข้อมูลถูกจัดประเภทบนสองขนาดที่แตกต่างกันเช่นในกรณี Two-Factor ด้วยการจําลองแบบ อย่างไรก็ตามสําหรับเครื่องมือนี้จะสันนิษฐานว่ามีเพียงข้อสังเกตเดียวสําหรับแต่ละคู่ (ตัวอย่างเช่น แต่ละคู่ {ปุ๋ย, อุณหภูมิ} ในตัวอย่างก่อนหน้านี้)

ฟังก์ชันเวิร์กชีต CORREL และ PEARSON จะคํานวณสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรการวัดสองตัว เมื่อการวัดบนแต่ละตัวแปรถูกสังเกตได้สําหรับแต่ละหัวข้อ N (ข้อสังเกตใด ๆ ที่หายไปสําหรับสาเหตุใด ๆ ที่อาจมีการละเว้นในการวิเคราะห์) เครื่องมือการวิเคราะห์สหสัมพันธ์มีประโยชน์เป็นพิเศษเมื่อมีตัวแปรการวัดมากกว่าสองตัวแปรสําหรับแต่ละหัวข้อ N ซึ่งจะให้ตารางผลลัพธ์ ซึ่งเป็นเมทริกซ์สหสัมพันธ์ ที่แสดงค่า ของ CORREL (หรือ PEARSON) ที่ใช้กับตัวแปรการวัดที่เป็นไปได้แต่ละคู่

ค่าสัมประสิทธิ์สหสัมพันธ์ เช่น ค่าความแปรปรวนร่วม เป็นการวัดขอบเขตที่ตัวแปรการวัดสองตัว "แตกต่างกันด้วยกัน" ค่าสัมประสิทธิ์สหสัมพันธ์จะต่างจากค่าความแปรปรวนร่วม ดังนั้น ค่าของค่าสหสัมพันธ์จึงไม่ขึ้นอยู่กับหน่วยที่แสดงตัวแปรการวัดสองตัว (ตัวอย่างเช่น ถ้าตัวแปรการวัดสองตัวคือน้ําหนักและความสูง ค่าของสัมประสิทธิ์สหสัมพันธ์จะไม่เปลี่ยนแปลง ถ้าน้ําหนักถูกแปลงจากปอนด์เป็นกิโลกรัม) ค่าของสัมประสิทธิ์สหสัมพันธ์ใดๆ ต้องอยู่ระหว่าง -1 และ +1

คุณสามารถใช้เครื่องมือวิเคราะห์สหสัมพันธ์ เพื่อตรวจสอบคู่ตัวแปรการวัดแต่ละคู่ เมื่อต้องการระบุว่าตัวแปรการวัดสองตัวมีแนวโน้ม "แปรตามกัน" หรือไม่ นั่นก็คือ ตัวแปรหนึ่งที่มีค่ามากมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์บวก) ตัวแปรหนึ่งที่มีค่าน้อยมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์ลบ) หรือค่าของทั้งสองตัวแปรมีแนวโน้มที่จะไม่สัมพันธ์กัน (สหสัมพันธ์เข้าใกล้ 0 (ศูนย์))

เครื่องมือสหสัมพันธ์และค่าความแปรปรวนร่วมสามารถใช้ในการตั้งค่าเดียวกันได้ทั้งคู่ เมื่อคุณสังเกตเห็นตัวแปรการประเมิน N ที่แตกต่างกันในแต่ละชุด เครื่องมือสหสัมพันธ์และค่าความแปรปรวนร่วมจะให้ตารางผลลัพธ์ เมทริกซ์ ที่แสดงสัมประสิทธิ์สหสัมพันธ์หรือค่าความแปรปรวนร่วม ตามลําดับระหว่างตัวแปรการวัดแต่ละคู่ ความแตกต่างคือสัมประสิทธิ์สหสัมพันธ์จะถูกปรับมาตราส่วนให้อยู่ระหว่าง -1 และ +1 ค่าความแปรปรวนร่วมที่สอดคล้องกันจะไม่ถูกปรับมาตราส่วน ทั้งค่าสัมประสิทธิ์สหสัมพันธ์และค่าความแปรปรวนร่วมเป็นการวัดขอบเขตที่ตัวแปรสองตัว "แตกต่างกัน"

เครื่องมือค่าความแปรปรวนร่วมจะคํานวณค่าของฟังก์ชันเวิร์กชีต COVARIANCE P สําหรับแต่ละคู่ของตัวแปรการวัด (การใช้งานโดยตรงของค่าความแปรปรวนร่วม P แทนเครื่องมือความแปรปรวนร่วมเป็นทางเลือกที่เหมาะสมเมื่อมีตัวแปรการวัดเพียงสองตัวแปร นั่นคือ N=2) รายการบนเส้นทแยงมุมของตารางผลลัพธ์ของเครื่องมือค่าความแปรปรวนร่วมในแถว i คอลัมน์ i คือค่าความแปรปรวนร่วมของตัวแปรการวัดในลําดับที่ i ค่านี้เป็นเพียงค่าความแปรปรวนของประชากรสําหรับตัวแปรนั้น ดังที่คํานวณโดยฟังก์ชันเวิร์กชีต VARพี.

คุณสามารถใช้เครื่องมือวิเคราะห์ความแปรปรวนร่วม เพื่อตรวจสอบคู่ตัวแปรการวัดแต่ละคู่ เมื่อต้องการระบุว่าตัวแปรการวัดสองตัวมีแนวโน้ม "แปรตามกัน" หรือไม่ นั่นก็คือ ตัวแปรหนึ่งที่มีค่ามากมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์บวก) ตัวแปรหนึ่งที่มีค่าน้อยมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์ลบ) หรือค่าของทั้งสองตัวแปรมีแนวโน้มที่จะไม่สัมพันธ์กัน (สหสัมพันธ์เข้าใกล้ 0 (ศูนย์))

เครื่องมือวิเคราะห์สถิติเชิงพรรณนาจะสร้างรายงานของสถิติหนึ่งตัวแปรสำหรับข้อมูลในช่วงข้อมูลเข้า โดยมีข้อมูลเกี่ยวกับแนวโน้มเข้าสู่ส่วนกลางและการแปรผันของข้อมูลของคุณ

เครื่องมือการปรับเรียบแบบเอ็กซ์โพเนนเชียลทํานายค่าที่ยึดตามการพยากรณ์สําหรับช่วงเวลาก่อนหน้า ซึ่งได้รับการปรับปรุงสําหรับข้อผิดพลาดในการพยากรณ์ก่อนหน้านี้ เครื่องมือใช้ค่าคงที่ปรับเรียบ a ขนาดของค่าที่กําหนดว่าการคาดการณ์ตอบสนองต่อข้อผิดพลาดในการพยากรณ์ก่อนหน้านี้มากเพียงใด

เครื่องมือการวิเคราะห์ความแปรปรวนแบบ F-Test สองตัวอย่าง จะดำเนินการ F-test แบบสองตัวอย่างเพื่อเปรียบเทียบความแปรปรวนของประชากรสองกลุ่ม

ตัวอย่างเช่น คุณสามารถใช้เครื่องมือ F-Test กับตัวอย่างของเวลาในการว่ายน้ําสําหรับทีมแต่ละทีม เครื่องมือจะให้ผลลัพธ์ของการทดสอบสมมติฐาน Null ว่าตัวอย่างทั้งสองนี้มาจากการแจกแจงที่มีค่าความแปรปรวนเท่ากันเทียบกับค่าความแปรปรวนไม่เท่ากันในการแจกแจงพื้นฐาน

เครื่องมือจะคํานวณค่า f ของ F-statistic (หรือ F-ratio) ค่า f ที่ใกล้เคียงกับ 1 จะแสดงหลักฐานว่าค่าความแปรปรวนของประชากรพื้นฐานเท่ากับ ในตารางผลลัพธ์ ถ้า f < 1 "P(F <= f) ด้านเดียว" จะทําให้ค่าของค่าสถิติ F น้อยกว่า f เมื่อค่าความแปรปรวนของประชากรเท่ากัน และ "F Critical one-tail" จะให้ค่าวิกฤตที่น้อยกว่า 1 สําหรับระดับนัยสําคัญที่เลือก Alpha ถ้า f > 1, "P(F <= f) ด้านเดียว" จะทําให้ความน่าจะเป็นของการสังเกตค่าของสถิติ F ที่มากกว่า f เมื่อค่าความแปรปรวนของประชากรเท่ากับ และ "F Critical one-tail" จะให้ค่าวิกฤตที่มากกว่า 1 สําหรับ Alpha

เครื่องมือการวิเคราะห์แบบฟูเรียร์จะแก้ไขปัญหาในระบบเชิงเส้น และวิเคราะห์ข้อมูลเป็นระยะโดยใช้วิธี Fast Fourier Transform (FFT) เพื่อแปลงข้อมูล เครื่องมือนี้ยังสนับสนุนการแปลงผกผัน ซึ่งค่าผกผันของข้อมูลที่แปลงจะส่งกลับข้อมูลต้นฉบับ

เครื่องมือการวิเคราะห์ฮิสโตแกรมจะคํานวณความถี่แต่ละความถี่และความถี่สะสมสําหรับช่วงเซลล์ของข้อมูลและถังข้อมูล เครื่องมือนี้จะสร้างข้อมูลสําหรับจํานวนครั้งของค่าในชุดข้อมูล

ตัวอย่างเช่น ในชั้นเรียนที่มีนักเรียน 20 คน คุณสามารถกําหนดการแจกแจงคะแนนในประเภทเกรดเป็นตัวอักษรได้ ตารางฮิสโตแกรมจะแสดงขอบเขตของเกรดตัวอักษรและจํานวนคะแนนระหว่างขอบเขตต่ําสุดและขอบเขตปัจจุบัน คะแนนเดียวที่ใช้บ่อยที่สุดคือโหมดของข้อมูล

เครื่องมือการวิเคราะห์ค่าเฉลี่ยเคลื่อนที่จะประมาณค่าในช่วงการพยากรณ์ โดยยึดตามค่าเฉลี่ยของตัวแปรในจํานวนช่วงเวลาก่อนหน้าที่ระบุ ค่าเฉลี่ยเคลื่อนที่จะให้ข้อมูลแนวโน้มที่ค่าเฉลี่ยอย่างง่ายของข้อมูลในอดีตทั้งหมดจะมาสก์ ใช้เครื่องมือนี้เพื่อคาดการณ์ยอดขาย สินค้าคงคลัง หรือแนวโน้มอื่นๆ ค่าการพยากรณ์แต่ละค่าจะยึดตามสูตรต่อไปนี้

โดยที่

• N คือจำนวนคาบก่อนหน้าที่จะรวมไว้ในค่าเฉลี่ยเคลื่อนที่

• A j เป็นค่าจริง ณ เวลา j

• F j เป็นค่าพยากรณ์ ณ เวลา j

เครื่องมือการวิเคราะห์การสร้างหมายเลขสุ่มจะเติมช่วงด้วยตัวเลขสุ่มที่เป็นอิสระจากหนึ่งในการแจกแจงหลายรายการ คุณสามารถระบุหัวข้อในประชากรที่มีการแจกแจงความน่าจะเป็นได้ ตัวอย่างเช่น คุณสามารถใช้การแจกแจงปกติเพื่อระบุจํานวนประชากรความสูงของแต่ละบุคคล หรือคุณสามารถใช้การแจกแจงเบอร์นูลีของผลลัพธ์ที่เป็นไปได้สองแบบเพื่อระบุจํานวนประชากรของผลลัพธ์แบบพลิกเหรียญ

เครื่องมือการวิเคราะห์อันดับและเปอร์เซ็นต์ไทล์จะสร้างตารางที่มีลําดับเลขลําดับและเปอร์เซ็นต์ของแต่ละค่าในชุดข้อมูล คุณสามารถวิเคราะห์จุดยืนสัมพัทธ์ของค่าต่างๆ ในชุดข้อมูลได้ เครื่องมือนี้ใช้ฟังก์ชันเวิร์กชีต RANK EQ และPERCENTRANK INC. ถ้าคุณต้องการลงบัญชีสําหรับค่าที่เชื่อมโยง ให้ใช้ RANK ฟังก์ชัน EQ ซึ่งถือว่าค่าที่ผูกไว้เป็นลําดับเดียวกัน หรือใช้ ฟังก์ชัน RANKฟังก์ชัน AVG ซึ่งส่งกลับอันดับเฉลี่ยของค่าที่ผูก

เครื่องมือการวิเคราะห์การถดถอยจะทําการวิเคราะห์การถดถอยเชิงเส้นโดยใช้วิธี "กําลังสองน้อยที่สุด" เพื่อให้พอดีกับเส้นผ่านชุดของการสังเกต คุณสามารถวิเคราะห์ว่าตัวแปรที่ไม่เป็นอิสระตัวเดียวได้รับผลกระทบจากค่าของตัวแปรอิสระหนึ่งตัวหรือมากกว่าได้อย่างไร ตัวอย่างเช่นคุณสามารถวิเคราะห์ประสิทธิภาพของนักกีฬาที่ได้รับผลกระทบจากปัจจัยเช่นอายุความสูงและน้ําหนัก คุณสามารถแบ่งส่วนแบ่งในการวัดประสิทธิภาพการทํางานให้กับปัจจัยทั้งสามนี้ โดยยึดตามชุดข้อมูลประสิทธิภาพการทํางาน แล้วใช้ผลลัพธ์เพื่อทํานายประสิทธิภาพการทํางานของนักกีฬาใหม่ที่ยังไม่ได้ทําการทดสอบ

เครื่องมือการถดถอยจะใช้ฟังก์ชันเวิร์กชีต LINEST

เครื่องมือการวิเคราะห์การสุ่มตัวอย่างจะสร้างตัวอย่างจากประชากรโดยถือว่าช่วงข้อมูลเข้าเป็นประชากร เมื่อประชากรมีขนาดใหญ่เกินกว่าที่จะประมวลผลหรือสร้างแผนภูมิ ได้ คุณสามารถใช้ตัวอย่างที่เป็นตัวแทนได้ คุณยังสามารถสร้างตัวอย่างที่มีเฉพาะค่าจากส่วนใดส่วนหนึ่งของรอบถ้าคุณเชื่อว่าข้อมูลป้อนเข้าเป็นข้อมูลประจํางวด ตัวอย่างเช่น ถ้าช่วงข้อมูลเข้ามีตัวเลขยอดขายรายไตรมาส การสุ่มตัวอย่างที่มีอัตราเป็นงวดสี่จะวางค่าจากไตรมาสเดียวกันในช่วงผลลัพธ์

การทดสอบเครื่องมือการวิเคราะห์ t-Test Two-Sample เพื่อความเท่าเทียมกันของประชากรหมายความว่าต้องเน้นแต่ละตัวอย่าง เครื่องมือทั้งสามนี้ใช้สมมติฐานที่แตกต่างกัน: ค่าความแปรปรวนของประชากรเท่ากับค่าความแปรปรวนของประชากรไม่เท่ากัน และตัวอย่างทั้งสองนี้แสดงถึงการสังเกตก่อนการรักษาและหลังการรักษาในหัวข้อเดียวกัน

สําหรับเครื่องมือทั้งสามด้านล่างนี้ ค่า t-Statistic จะถูกคํานวณและแสดงเป็น "t Stat" ในตารางผลลัพธ์ ค่า t นี้อาจเป็นค่าลบหรือไม่เป็นลบ ทั้งนี้ขึ้นอยู่กับข้อมูล ภายใต้ข้อสมมติฐานของประชากรที่เป็นฐานเท่ากับหมายถึง ถ้า t < 0, "P(T <= t) one-tail" จะให้ความน่าจะเป็นที่ค่าของสถิติ t จะสังเกตเห็นว่ามีค่าลบมากกว่า t ถ้า t >=0, "P(T <= t) one-tail" จะทําให้ความน่าจะเป็นที่ค่าของ t-Statistic จะถูกสังเกตว่ามีค่าบวกมากกว่า t "t Critical one-tail" ให้ค่าตัด เพื่อให้ความน่าจะเป็นของการสังเกตค่าของ t-Statistic มากกว่าหรือเท่ากับ "t Critical one-tail" คือ Alpha

"P(T <= t) two-tail" จะให้ความน่าจะเป็นที่ค่าของ t-Statistic จะสังเกตเห็นว่ามีขนาดใหญ่กว่าค่าสัมบูรณ์มากกว่า t "P Critical two-tail" ให้ค่าตัด เพื่อให้ความน่าจะเป็นของ t-Statistic ที่สังเกตมีขนาดใหญ่กว่าค่าสัมบูรณ์มากกว่า "P Critical two-tail" คือ Alpha

t-Test: จับคู่สองตัวอย่างสำหรับค่าเฉลี่ย

คุณสามารถใช้การทดสอบจับคู่เมื่อมีการจับคู่ค่าสังเกตอย่างเป็นธรรมชาติในตัวอย่าง เช่น เมื่อทดสอบกลุ่มตัวอย่างสองครั้ง ก่อนและหลังการทดลอง เครื่องมือการวิเคราะห์นี้และสูตรของนักเรียนดําเนินการจับคู่สองตัวอย่าง t-Test เพื่อตรวจสอบว่าข้อสังเกตที่นํามาก่อนการรักษาและการสังเกตที่เกิดขึ้นหลังจากการรักษามีแนวโน้มที่จะมาจากการกระจายที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่ ฟอร์ม t-Test นี้ไม่ถือว่าค่าความแปรปรวนของประชากรทั้งสองเท่ากัน

t-Test: สองตัวอย่างที่ตั้งสมมติฐานว่าความแปรปรวนเท่ากัน

เครื่องมือการวิเคราะห์นี้จะทําการทดสอบ t-Test ของนักเรียนสองตัวอย่าง แบบฟอร์ม t-Test นี้จะถือว่าชุดข้อมูลทั้งสองชุดมาจากการแจกแจงที่มีค่าความแปรปรวนเหมือนกัน เรียกว่าเป็น homoscedastic t-Test คุณสามารถใช้ t-Test นี้เพื่อตรวจสอบว่าตัวอย่างทั้งสองนี้น่าจะมาจากการแจกแจงที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่

t-Test: สองตัวอย่างที่ตั้งสมมติฐานว่าความแปรปรวนไม่เท่ากัน

เครื่องมือการวิเคราะห์นี้จะทําการทดสอบ t-Test ของนักเรียนสองตัวอย่าง แบบฟอร์ม t-Test นี้จะถือว่าชุดข้อมูลทั้งสองชุดมาจากการแจกแจงที่มีค่าความแปรปรวนที่ไม่เท่ากัน เรียกว่าเป็นการทดสอบแบบ tteroscedastic เช่นเดียวกับตัวพิมพ์ค่าความแปรปรวนที่เท่ากันก่อนหน้า คุณสามารถใช้ t-Test นี้เพื่อกําหนดว่าตัวอย่างทั้งสองนี้น่าจะมาจากการแจกแจงที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่ ใช้การทดสอบนี้เมื่อมีวิชาที่แตกต่างกันในสองตัวอย่าง ใช้การทดสอบจับคู่ ตามที่อธิบายไว้ในตัวอย่างต่อไปนี้ เมื่อมีหัวข้อชุดเดียว และตัวอย่างสองชุดแสดงการวัดสําหรับแต่ละหัวข้อก่อนและหลังการรักษา

สูตรต่อไปนี้จะใช้กำหนดค่าสถิติ t

สูตรต่อไปนี้จะใช้ในการคํานวณระดับความเป็นอิสระ df เนื่องจากผลลัพธ์ของการคํานวณมักจะไม่ใช่จํานวนเต็ม ค่าของ df จะถูกปัดเศษให้เป็นจํานวนเต็มที่ใกล้เคียงที่สุดเพื่อรับค่าวิกฤตจากตาราง t ฟังก์ชันเวิร์กชีต Excel TTEST จะใช้ค่า df ที่คํานวณโดยไม่มีการปัดเศษ เนื่องจากเป็นไปได้ที่จะคํานวณค่า Tทดสอบ กับค่า df ที่ไม่ใช่จํานวนเต็ม เนื่องจากวิธีการที่แตกต่างกันเหล่านี้เพื่อกําหนดระดับความเป็นอิสระผลลัพธ์ของ TTEST และเครื่องมือ t-Test นี้จะแตกต่างกันในกรณีค่าความแปรปรวนที่ไม่เท่ากัน

z-Test: เครื่องมือการวิเคราะห์สองตัวอย่างสําหรับค่าเฉลี่ยจะดําเนินการ z-Test สองตัวอย่างสําหรับค่าเฉลี่ยที่มีค่าความแปรปรวนที่ทราบแล้ว เครื่องมือนี้ใช้เพื่อทดสอบสมมติฐานว่าไม่มีความแตกต่างระหว่างประชากรสองวิธีเทียบกับสมมติฐานทางเลือกด้านเดียวหรือสองด้าน ถ้าไม่ทราบค่าความแปรปรวน ฟังก์ชันเวิร์กชีต Zควรใช้การทดสอบแทน

เมื่อคุณใช้เครื่องมือ z-Test โปรดระวังเพื่อทําความเข้าใจผลลัพธ์ "P(Z <= z) one-tail" คือ P(Z >= ABS(z)) ความน่าจะเป็นของค่า z ที่อยู่ไกลจาก 0 ในทิศทางเดียวกับค่า z ที่สังเกตได้เมื่อไม่มีความแตกต่างระหว่างวิธีของประชากร "P(Z <= z) two-tail" คือ P(Z >= ABS(z) หรือ Z <= -ABS(z)) ความน่าจะเป็นของค่า z ที่อยู่ไกลจาก 0 ในทิศทางใดทิศทางหนึ่งมากกว่าค่า z ที่สังเกตได้เมื่อไม่มีความแตกต่างระหว่างค่าเฉลี่ยประชากร ผลลัพธ์แบบสองด้านเป็นเพียงผลลัพธ์ด้านเดียวที่คูณด้วย 2 เครื่องมือ z-Test ยังสามารถใช้สําหรับกรณีที่สมมติฐาน Null คือมีค่าที่ไม่ใช่ศูนย์ที่เฉพาะเจาะจงสําหรับความแตกต่างระหว่างค่าเฉลี่ยของประชากรทั้งสอง ตัวอย่างเช่น คุณสามารถใช้การทดสอบนี้เพื่อกําหนดความแตกต่างระหว่างการแสดงของรถยนต์สองรุ่น