我们对于这个函数的最常使用的是在分类汇总中， 返回列表或数据库中的分类汇总。一旦你创建了分类汇总，就可以使用SUBTOTAL 函数对该列表进行相关的计算。

这个函数包含11个功能，有求平均值，求最大，最小值，计数等等。所有你学好这个函数是十分有必要的。

SUBTOTAL可以达到你认为其他函数不能实现的效果。他的参数不仅非常多，而且功能十分强大。是你不可或缺数据处理的帮手。

首先先了解一下官方对他的解释：

语法: SUBTOTAL(function_num,ref1,ref2, ...)

function_num可选择值的范围在1到11之间，和101到111之间。ref1代表需要处理数据的区域。

另外包含隐藏的值和不包含隐藏的值，分类汇总时候，他是对于是否你手动隐藏的来区分，并不是在筛选状态隐藏的，这个千万要理解好。

在筛选状态，自动输入序号

我们先看看动画的操作，如下图：

公式：=SUBTOTAL(3,B$2:B2)

其实这个函数公式利用的就是计算在筛选状态的非空单元格个数，从而达到计算连续序号的作用。

分类汇总情况下，求平均值

我们先看看动画的操作，如下图：

公式 =SUBTOTAL(1,F:F)

其实这个就是求和在分类汇总的时候，我们选择参数的是求平均值。这个函数强大之处在于他在帅选状态也可以完成计算。

计算平均工资

公式{=SUM(SUBTOTAL({9,4,5},F:F)*{1,-1,-1})/(SUBTOTAL(3,F:F)-3)}

一眼看到这个公式可能你有点难理解，我们把这个公式拆开来看。

第一层，SUBTOTAL({9,4,5},F:F))，对于这一部分的意思是9,4,5，分别代表的是求和，最大值，最小值，然后他的作用区域为F列。

第二层，SUBTOTAL({9,4,5},F:F)*{1,-1,-1})这个就是组建了一个数组，效果等价于sum（f:f）-min（f:f)-max(f:f).

第三层，(SUBTOTAL(3,F:F)-3)，即就是去掉最大值，最小值，标题栏。从而达到计算人数作用。

最后输完公式以后，记得要按三键完成数组公式的必备输入。

PS:附上Function_num的解释

Function_num （包含隐藏值）

为1到11之间的自然数，用来指定分类汇总计算使用的函数

1 、1 AVERAGE（算术平均值）

2、 2 COUNT（数值个数）

3、 3 COUNTA（非空单元格数量）

4 、4 MAX（最大值）

5 、5 MIN（最小值）

6 、6 PRODUCT（括号内所有数据的乘积）

7 、7 STDEV（估算样本的标准偏差）

8 、8 STDEVP（返回整个样本总体的标准偏差）

9、 9 SUM（求和）

10 、10 VAR（计算基于给定样本的方差）

11 、11 VARP（计算基于整个样本总体的方差）

Function_num （忽略隐藏值） 函数

1 、101 AVERAGE 数学平均值

2 、102 COUNT 数字的个数

3 、103 COUNTA 非空的个数

4 、104 MAX 最大值

5、 105 MIN 最小值

6 、106 PRODUCT 乘积

7、 107 STDEV 标准偏差

8、 108 STDEVP 标准偏差

9 、109 SUM 求和

10 、110 VAR 方差

11 、111 VARP 方差

写在结尾：

我们学习在于点滴积累之间，循序慢进，选对了方式，水滴石穿，相反如果没有好的方式，会事半功倍。

以上就是今天要和大家分享的技巧，希望对大家有所帮助，祝各位一天好心情！

唯有不断学习，才能不被淘汰！

Excel中每一个方法都有特定的用途，不是他们没有用处，只是你不了解或者暂时用不着，建议你收藏起来，万一哪天用着呢？

上次给大家分享了《2017年最全的excel函数大全14—统计函数（4）》，这次分享给大家统计函数（5）。

LINEST 函数

描述

LINEST函数可通过使用最小二乘法计算与现有数据最佳拟合的直线，来计算某直线的统计值，然后返回描述此直线的数组。 也可以将LINEST与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值，包括多项式、对数、指数和幂级数。 因为此函数返回数值数组，所以它必须以数组公式的形式输入。 请按照本文中的案例使用此函数。

直线的公式为：

y = mx + b

- 或 -

y = m1x1 + m2x2 + ... + b

如果有多个区域的 x 值，其中因变量 y 值是自变量 x 值的函数。 m 值是与每个 x 值相对应的系数，b 为常量。 注意，y、x 和 m 可以是向量。LINEST函数返回的数组为 {mn,mn-1,...,m1,b}。LINEST函数还可返回附加回归统计值。

用法

LINEST(known_y's, [known_x's], [const], [stats])

LINEST 函数用法具有下列参数：

用法

Known_y's必需。 关系表达式 y = mx + b 中已知的 y 值集合。如果known_y's对应的单元格区域在单独一列中，则known_x's的每一列被视为一个独立的变量。如果known_y's对应的单元格区域在单独一行中，则known_x's的每一行被视为一个独立的变量。Known_x's可选。 关系表达式 y = mx + b 中已知的 x 值集合。known_x's对应的单元格区域可以包含一组或多组变量。 如果仅使用一个变量，那么只要known_x's和known_y's具有相同的维数，则它们可以是任何形状的区域。 如果用到多个变量，则known_y's必须为向量（即必须为一行或一列）。如果省略known_x's，则假设该数组为 {1,2,3,...}，其大小与known_y's相同。const可选。 一个逻辑值，用于指定是否将常量 b 强制设为 0。如果const为 TRUE 或省略，b 将按正常计算。如果const为 FALSE，b 将被设为 0，并同时调整 m 值使 y = mx。stats可选。 一个逻辑值，用于指定是否返回附加回归统计值。如果stats为 TRUE，则LINEST函数返回附加回归统计值，这时返回的数组为{mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。如果stats为 FALSE 或省略，则函数LINEST只返回系数 m 和常量 b。

附加回归统计值如下：

下面的图示显示了附加回归统计值返回的顺序。

备注

可以使用斜率和 y 轴截距描述任何直线：

斜率 (m)：通常记为 m，如果需要计算斜率，则选取直线上的两点，(x1,y1) 和 (x2,y2)；斜率等于 (y2 - y1)/(x2 - x1)。

Y 轴截距 (b)：通常记为 b，直线的 y 轴的截距为直线通过 y 轴时与 y 轴交点的数值。

直线的公式为 y = mx + b。 如果知道了 m 和 b 的值，将 y 或 x 的值代入公式就可计算出直线上的任意一点。 还可以使用TREND函数。

当只有一个自变量 x 时，可直接利用下面公式得到斜率和 y 轴截距值：

斜率：=INDEX(LINEST(known_y's,known_x's),1)

Y 轴截距：=INDEX(LINEST(known_y's,known_x's),2)

数据的离散程度决定了LINEST函数计算的直线的精确度。 数据越接近线性，LINEST模型就越精确。LINEST函数使用最小二乘法来判定数据的最佳拟合。 当只有一个自变量 x 时，m 和 b 是根据下面的公式计算出的：

其中，x 和 y 是样本平均值；即，x =AVERAGE(known x's)且y = AVERAGE(known_y's)。

直线和曲线拟合函数LINEST和LOGEST可用来计算与给定数据拟合程度最高的直线或指数曲线， 但需要判断两者中哪一个与数据拟合程度最高。 可以用函数TREND(known_y's,known_x's)来计算直线，或用函数GROWTH(known_y's, known_x's)来计算指数曲线。 这些不带new_x's参数的函数可在实际数据点上根据直线或曲线来返回 y 预测值的数组， 然后可以将预测值与实际值进行比较。 可能需要用图表方式来直观地比较二者。回归分析时，Excel 会计算每一点的 y 的估计值和实际值的平方差。 这些平方差之和称为残差平方和 (ssresid)。 然后 Excel 会计算总平方和 (sstotal)。 当参数const= TRUE 或被省略时，总平方和是 y 的实际值和平均值的平方差之和。 当参数const= FALSE 时，总平方和是 y 的实际值的平方和（不需要从每个 y 值中减去平均值）。 回归平方和 (ssreg) 可通过公式 ssreg = sstotal - ssresid 计算出来。 残差平方和与总平方和的比值越小，判定系数 r2 的值就越大，r2 是用来判断从回归分析求得的公式是否足以描述变量之间关系的指示器。 r2 = ssreg/sstotal。在某些情况下，一个或多个 X 列可能没有出现在其他 X 列中的附加预测值（假设 Y's 和 X's 位于列中）。 换句话说，删除一个或多个 X 列可能会得到同样精度的 y 预测值。 在这种情况下，应从回归模型中省略这些多余的 X 列。 这种现象被称为“共线”，因为任何多余的 X 列都可被表示为多个非多余 X 列的和。LINEST函数会检查是否存在共线，并在识别出多余的 X 列之后从回归模型中删除所有这些列。 由于包含 0 系数以及 0 se 数值，因此已删除的 X 列能在LINEST输出中被识别出来。 如果一个或多个多余的列被删除，则将影响 df，原因是 df 取决于实际用于预测目的的 X 列的数量。 有关计算 df 的详细信息，请参阅案例 4。 如果由于删除多余的 X 列而更改了 df，则也会影响 sey 和 F 的值。 实际上，出现共线的情况应该相对很少。 但是，如果某些 X 列仅包含 0 和 1 数值作为实验中的对象是否属于特定组成员的指示器，则很可能引起共线。 如果const= TRUE 或被省略，则LINEST函数可有效地插入所有 1 数值的其他 X 列以便为截距建立模型。 如果在一列中，1 对应于每个男性对象，0 对应于女性对象；而在另一列中，1 对应于每个女性对象，0 对应于男性对象，那么后一列就是多余的，因为其中的项可通过从所有 1 值的另一列（通过LINEST函数添加）中减去“男性指示器”列中的项来获得。在没有 X 列因共线而被从模型中删除时，请用以下方法计算 df 的值：如果known_x’s有k列且const= TRUE 或被省略，那么 df = n – k – 1。 如果const= FALSE，那么 df = n - k。 在这两种情况下，每次由于共线而删除一个 X 列都会使 df 的值加 1。对于返回结果为数组的公式，必须以数组公式的形式输入。

注意:在 Excel Online 中，不能创建数组公式。

当输入一个数组常量（如known_x's）作为参数时，请使用逗号分隔同一行中的各值，使用分号分隔各行。 分隔符可能会因区域设置的不同而有所不同。注意，如果 y 的回归分析预测值超出了用来计算公式的 y 值的范围，它们可能是无效的。LINEST函数中使用的下层算法与SLOPE和INTERCEPT函数中使用的下层算法不同。 当数据未定且共线时，这些算法之间的差异会导致不同的结果。 例如，如果参数known_y's的数据点为 0，参数known_x's的数据点为 1：LINEST会返回值 0。LINEST函数的算法用来返回共线数据的合理结果，在这种情况下至少可找到一个答案。SLOPE和INTERCEPT返回 错误 #p/0!。SLOPE和INTERCEPT函数的算法只用来查找一个答案，在这种情况下可能有多个答案。除了使用LOGEST计算其他回归分析类型的统计值外，还可以使用LINEST计算其他回归分析类型的范围，方法是将 x 和 y 变量的函数作为LINEST的 x 和 y 系列输入。 例如，下面的公式：

=LINEST(yvalues, xvalues^COLUMN($A:$C))

将在您使用 y 值的单个列和 x 值的单个列计算下面的方程式的近似立方（多项式次数 3）值时运行：

y = m1*x + m2*x^2 + m3*x^3 + b

可以调整此公式以计算其他类型的回归，但是在某些情况下，需要调整输出值和其他统计值。

LINEST 函数返回的 F 检验值与FTEST 函数返回的 F 检验值不同。 LINEST 返回 F 统计值，而 FTEST 返回概率。

案例

案例 1 - 斜率和 Y 轴截距

案例 2 - 简单线性回归

案例 3 - 多重线性回归

案例 4 - 使用 F 和 r2 统计值

在上例中，判定系数 r2 为 0.99675（函数LINEST的输出单元格 A17 中的值），表明自变量与销售价格之间存在很强的相关性。 可以通过 F 统计值来确定具有如此高的 r2 值的结果偶然发生的可能性。

假设事实上在变量间不存在相关性，但选用 11 个办公楼作为小样本进行统计分析却导致很强的相关性。 术语“Alpha”表示得出这样的相关性结论错误的概率。

LINEST函数输出中的 F 和 df 值可被用于评估偶然出现较高 F 值的可能性。 F 可与发布的 F 分布表中的值进行比较，或者 Excel 中的FDIST函数可被用于计算偶然出现较高 F 值的概率。 适当的 F 分布具有 v1 和 v2 自由度。 如果 n 是数据点的个数且 const = TRUE 或被省略，那么 v1 = n – df – 1 且 v2 = df。 （如果 const = FALSE，那么 v1 = n – df 且 v2 = df。）用法为FDIST(F,v1,v2) 的FDIST函数将返回偶然出现较高 F 值的概率。 在本例中，df = 6（单元格 B18）且 F = 459.753674（单元格 A18）。

假设 Alpha 值为 0.05，v1 = 11 – 6 – 1 = 4 且 v2 = 6，那么 F 的临界值为 4.53。 由于 F = 459.753674 远大于 4.53，所以偶然出现高 F 值的可能性非常低。 （因为，在 Alpha = 0.05 的情况下，当 F 超过临界值 4.53 时，known_y’s和known_x’s之间没有关系这一假设不成立。）使用 Excel 中的FDIST函数可获得偶然出现高 F 值的概率。 例如，FDIST(459.753674, 4, 6) = 1.37E-7，是一个极小的概率。 于是可以断定，无论通过在表中查找 F 的临界值，还是使用FDIST函数，回归公式都可用于预测该区域中的办公楼的评估价值。 请注意，使用在上一段中计算出的 v1 和 v2 的正确值是非常关键的。

案例 5 - 计算 t 统计值

另一个假设测试可以判定每个斜率系数是否可以用来估算案例 3中的办公楼的评估价值。 例如，要测试年龄系数的统计显著性水平，以 13.268（单元格 A15 中年龄系数的估计标准误差）除 -234.24（年龄斜率系数）。 下面是 t 观察值：

t = m4 ÷ se4 = -234.24 ÷ 13.268 = -17.7

如果 t 的绝对值足够大，那么可以断定斜率系数可用来估算案例 3中的办公楼的评估价值。 下表显示了 4 个 t 观察值的绝对值。

如果查阅统计手册里的表，将会发现：双尾、自由度为 6、Alpha = 0.05 的 t 临界值为 2.447。 该临界值还可使用 Excel 中的TINV函数计算。TINV(0.05,6) = 2.447。 既然 t 的绝对值为 17.7，大于 2.447，则办公楼的使用年数对于估算办公楼的评估价值来说是一个重要变量。 用同样方法，可以测试其他每个自变量的统计显著性水平。 以下是每个自变量的 t 观察值。

这些值的绝对值都大于 2.447；因此，回归公式的所有变量都可用来估算此区域内的办公楼的评估价值。

LOGEST 函数

描述

在回归分析中，计算最符合数据的指数回归拟合曲线，并返回描述该曲线的数值数组。 因为此函数返回数值数组，所以它必须以数组公式的形式输入。

曲线的公式为：

y = b*m^x

或者

y = (b*(m1^x1)*(m2^x2)*_)

如果有多个 x 值，其中因变量 y 值是自变量 x 值的函数。 m 值是各指数 x 的底，而 b 值是常量值。 注意，y、x 和 m 可以是向量。 LOGEST 函数返回的数组为 {mn,mn-1,...,m1,b}。

用法

LOGEST(known_y's, [known_x's], [const], [stats])

LOGEST 函数用法具有以下参数：

Known_y's必需。 关系表达式 y = b*m^x 中已知的 y 值集合。如果数组 known_y's 在单独一列中，则 known_x's 的每一列被视为一个独立的变量。如果数组 known_y's 在单独一行中，则 known_x's 的每一行被视为一个独立的变量。Known_x's可选。 关系表达式 y=b*m^x 中已知的 x 值集合，为可选参数。数组 known_x's 可以包含一组或多组变量。 如果仅使用一个变量，那么只要 known_x's 和 known_y's 具有相同的维数，则它们可以是任何形状的区域。 如果使用多个变量，则 known_y's 必须是向量（即具有一列高度或一行宽度的单元格区域）。如果省略 known_x's，则假设该数组为 {1,2,3,...}，其大小与 known_y's 相同。Const可选。 一个逻辑值，用于指定是否将常量 b 强制设为 1。如果 const 为 TRUE 或省略，b 将按正常计算。如果 const 为 FALSE，则常量 b 将设为 1，而 m 的值满足公式 y=m＾x。Stats可选。 一个逻辑值，用于指定是否返回附加回归统计值。如果 stats 为 TRUE，函数 LOGEST 将返回附加的回归统计值，因此返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r 2,sey; F,df;ssreg,ssresid}。如果 stats 为 FALSE 或省略，则函数 LOGEST 只返回系数 m 和常量 b。

有关附加的回归统计值的详细信息，请参阅LINEST 函数。

备注

由数据绘出的图越近似于指数曲线，则计算出来的曲线就越符合原来给定的数据。 正如 LINEST 函数一样，LOGEST 函数返回一组描述数值间相互关系的数值数组，但 LINEST 函数是用直线来拟合数据，而 LOGEST 函数则以指数曲线来拟合数据。 有关详细信息，请参阅 LINEST 函数。当仅有一个自变量 x 时，可直接用下面的公式计算出 y 轴截距 (b) 的值：

Y 轴截距 (b)：INDEX(LOGEST(known_y's,known_x's),2)

可用 y=b*m＾x 公式来预测 y 的值，但是 Microsoft Excel 另外提供了可以预测因变量 y 值的 GROWTH 函数。 有关详细信息，请参阅GROWTH 函数。

对于返回结果为数组的公式，必须以数组公式的形式输入。

注意:在 Excel Online 中，不能创建数组公式。

当输入一个数组常量（如 known_x's）作为参数时，请使用逗号分隔同一行中的各值，使用分号分隔各行。 分隔符可能会因区域设置的不同而有所不同。应注意的一点是：如果由回归公式所预测的 y 值超出用来计算回归公式的 y 的取值区间，则该值可能无效。

案例

案例 1

案例 2...

对Excel表的数据进行平均值average，相对标准偏差RSD的计算以及按指定的位数对数值进行四舍五入。

平均值的计算。把鼠标放在目标框，在输入栏里面输“=”，选中输入栏左边的函数“AVERAGE”，弹出一个对话框，拖动鼠标选中需要计算平均值的数据，点“确定”，即可。如图所示。

相对标准偏差RSD的计算。把鼠标放在目标框，在输入栏里面输“=”，选中输入栏左边的函数“STDEV”，弹出一个对话框，拖动鼠标选中需要计算相对标准偏差的数据，点“确定”。该公式得到的是标准偏差。

在输入栏的公式中继续输入“/平均值*100”表示标准偏差除以平均值，按       Enter键，得到的是RSD（%）。

对数值进行四舍五入。例如如图，计算得到了一连串的数值，把它修约至两位小数。

单击要修约的数值，在输入栏的原公式中加上“round（原公式，2）”，按     Enter键，得到修约值，如图

如图，在“开始”工具栏里面，点击显示小数点位数按钮，得到最终计算结果。

excel表格之间的核对，是每个excel用户都要面对的工作难题，今天ostar带大家一起盘点一下表格核对的方法，一共6种，以后再也不用加班勾数据了。

一、使用合并计算核对

excel中有一个大家不常用的功能：合并计算。利用它我们可以快速对比出两个表的差异。

例：如下图所示有两个表格要对比，一个是库存表，一个是财务软件导出的表。要求对比这两个表同一物品的库存数量是否一致，显示在sheet3表格。

库存表：

软件导出表：

操作方法：

步骤1：选取sheet3表格的A1单元格，excel2003版里，执行数据菜单(excel2010版 数据选项卡) - 合并计算。在打开的窗口里“函数”选“标准偏差”，如下图所示。

步骤2：接上一步别关窗口，选取库存表的A2:C10（第1列要包括对比的产品，最后一列是要对比的数量），再点“添加”按钮就会把该区域添加到所有引用位置里.

步骤3：同上一步再把财务软件表的A2:C10区域添加进来。标签位置：选取“最左列”，如下图所示。

进行以上步骤后，点确定按钮，会发现sheet3中的差异表已生成，C列为0的表示无差异，非0的行即是我们要查找的异差产品。

如果你想生成具体的差异数量，可以把其中一个表的数字设置成负数。（添加一辅助列=c2*-1），在合并计算的函数中选取“求和”，即可。另外，此类题目也可以用VLOOKUP函数查找另一个表中相同项目对应的值，然后相减核对。

二、使用选择性粘贴核对

当两个格式完全一样的表格进行核对时，可以用选择性粘贴方法，如下图所示，表1和表2是格式完全相同的表格，要求核对两个表格中填的数字是否完全一致。

今天就看到一同事在手工一行一行的手工对比两个表格。star马上想到的是在一个新表中设置公式，让两个表的数据相减。可是同事核的表，是两个excel文件中表格，设置公式还要修改引用方式，挺麻烦的。

后来一想，用选择性粘贴不是也可以让两个表格相减吗？于是，复制表1的数据，选取表格中单元格，右键“选择粘贴贴” - “减”。

进行上面操作后，差异数据即露出原形。

三、使用sumproduct函数完成多条件核对

一个同事遇到的多条件核对问题，简化了一下。

如下图所示，要求核对两表中同一产品同一型号的数量差异，显示在D列。

公式：

D10=SUMPRODUCT(($A$2:$A$6=A10)*($B$2:$B$6=B10)*$C$2:$C$6)-C10

公式简介：

因为返回的是数字，所以多条件查找可以用sumproduct多条件求和来返回对应的销量。在微信平台回复 sumproduct即可查看该函数的教程。

使用VLOOKUP函数核对

star评：本例可以用SUMIFS函数替代sumproduct函数。

四、使用COUNTIF函数核对

如果有两个表都有姓名列。怎么对比这两个表的姓名哪些相同，哪些不同呢？其实解决这个问题挺简单的，但还是不断的有同学提问，所以这里有必要再介绍一下方法。

例，如下图所示，要求对比A列和C列的姓名，在B和D列出哪些是相同的，哪些是不同的。

分析：在excel里数据的核对一般可以用三个函数countif，vlookup和match函数，后两个函数查找不到会返回错误值，所以countif就成为核对的首选函数。

公式：B2 =IF(COUNTIF(D:D,A2)>0,"相同","不同")

D2 =IF(COUNTIF(A:A,D2)>0,"相同","不同")

公式说明:

1 countif是计算一个区域内（D:D），根据条件(等于A2的值)计算相同内容的个数，比如A2单元格公式意思是在D列计算“张旺财”的个数。

2 IF是判断条件(COUNTIF(A:A,D2)>0)是否成立，如果成立就是返回第1个参数的值（"相同"），不成立就返回第二个参数的值（"不同"）

兰色说：本例是在同一个表，如果不在同一个表，只需要把引用的列换成另一个表的列即可。

五、使用条件格式核对

太多的同学在微信上提问如何查找对比两列哪些是重复的，今天兰色介绍一种超简单的方法，不需要用任何公式函数，两步即可完成。

----------------操作步骤----------------------

第1步：把两列复制到同一个工作表中

第2步：按CTRL键同时选取两列区域，开始 - 条件格式- 突出显示单元格规则 - 重复值。

设置后效果如下：

注：1 此方法不适合excel2003版 ,2003版本可以用countif统计个数的方法查找重复。

2 此方法不适合同一个表中有重复项，可以删除重复项后再两表对比。

六、使用高级筛选核对

高级筛选也能核对数据？可能很多同不太相信。其实真的可以。

回答微信平台一位同学的提问：快速从一份100人的名单中筛选出指定30个人名。

分析：excel2010版本中我们可以直接选取多个项目，但如果一下子给你30个姓名让你从中挑选出来，估计要很久才能完成筛选。这时我们可以借助高级筛选来快速完成。

例：如下图所示AB两列为姓名和销量，要求，根据E列提供的姓名从A列筛选出来。

操作步骤：

选取AB列数据区域，数据 - 高级筛选 - 打开如下图高级筛选窗口，并进行如下设置。

A 列表区域为AB列区域。

B 条件区域为E列姓名区域。注意：一定要有标题，而且标题要和A列标题一样。

点击确定后，筛选即完成。如下图所示。

调用函数

STDEV

估算样本的标准偏差。标准偏差反映相对于平均值(mean)的离散程度。

语法

STDEV(number1,number2,...)

Number1,number2,...为对应于总体样本的1到30个参数。也可以不使用这种用逗号分隔参数的形式，而用单个数组或对数组的引用。

说明

函数STDEV假设其参数是总体中的样本。如果数据代表全部样本总体，则应该使用函数STDEVP来计算标准偏差。

此处标准偏差的计算使用“无偏差”或“n-1”方法。

函数STDEV的计算公式如下：

其中x为样本平均值AVERAGE(number1,number2,…)，n为样本大小。

忽略逻辑值（TRUE或FALSE）和文本。如果不能忽略逻辑值和文本，请使用STDEVA工作表函数。

示例

假设有10件工具在制造过程中是由同一台机器制造出来的，并取样为随机样本进行抗断强度检验。

如果您将示例复制到空白工作表中，可能会更易于理解该示例。

操作方法

创建空白工作簿或工作表。

请在“帮助”主题中选取示例。不要选取行或列标题。

从帮助中选取示例。

按Ctrl+C。

在工作表中，选中单元格A1，再按Ctrl+V。

若要在查看结果和查看返回结果的公式之间切换，请按Ctrl+`（重音符），或在“工具”菜单上，指向“公式审核”，再单击“公式审核模式”。

A

1强度

21345

31301

41368

51322

61310

71370

81318

91350

101303

111299

公式说明（结果）

=STDEV(A2:A11)假定仅生产了10件工具，其抗断强度的标准偏差(27.46391572)

方差分析

EXCEL的数据处理除了提供了很多的函数外，但这个工具必须加载相应的宏后才能使用，操作步骤为：点击菜单“工具-加载宏”，会出现一个对话框，从中选择“分析工具库”，点击确定后，在工具菜单栏内出现了这个分析工具。

如果你的电脑中没有出现分析工具库，则需要使用OFFICE的安装光盘，运行安装程序。在自定义中点开EXCEL，找到分析工具库，选择“在本机运行”，安装添加即可。

在数据分析工具库中提供了3种基本类型的方差分析：单因素方差分析、双因素无重复试验和可重复试验的方差分析，本节将分别介绍这三种方差分析的应用：

单因素方差分析

在进行单因素方差分析之前，须先将试验所得的数据按一定的格式输入到工作表中，其中每种水平的试验数据可以放在一行或一列内，具体的格式如表，表中每个水平的试验数据结果放在同一行内。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具对话框内的“单因素方差分析”，出现一个对话框，对话框的内容如下：

1．输入区域：选择分析数据所在区域，可以选择水平标志，针对表中数据进行分析时选取（绿色）和***区域。

2．分组方式：提供列与行的选择，当同一水平的数据位于同一行时选择行，位于同一列时选择列，本例选择行。

3．如果在选取数据时包含了水平标志，则选择标志位于第一行，本例选取。

4．α：显著性水平，一般输入0.05，即95%的置信度。

5．输出选项：按需求选择适当的分析结果存储位置。

双因素无重复试验方差分析

与单因素方差分析类似，在分析前需将试验数据按一定的格式输入工作表中。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素无重复方差分析”，出现一个对话框，对话框的内容如下：

1．输入区域：选择数据所在区域，可以包含因素水平标志。

2．如果数据输入时选择了因素水平标志，请选择标志按钮。

3．显著性水平α：根据实际情况输入，一般选择0.05。

4．输出选项：按需要选择分析结果存储的位置。

双因素可重复方差分析

双因素可重复方差分析与双因素无重复方差分析数据输入的区别在于对重复试验数据的处理，就是将重复试验的数据叠加起来。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素可重复方差分析”，出现一个对话框，对话框的内容基本与双因素无重复方差分析相同，区别在于每一样本的行数选项，在此输入重复试验的次数即可。

若须对数据进行方差分析时，在输入区域选择数据所在区域及因素水平标志，在每一样本的行数处输入3，即每种组合重复3次试验，显著性水平选择0.05。在输出选项中可以按照需求选择分析结果储存的位置。选择确定以后分析结果。

（本文内容由百度知道网友hvc258贡献）

上次给大家分享了《2018年最全的excel函数大全14—统计函数（7）》，这次分享给大家统计函数（8）。

RANK.AVG 函数

描述

返回一列数字的数字排位：数字的排位是其大小与列表中其他值的比值；如果多个值具有相同的排位，则将返回平均排位。

用法

RANK.AVG(number,ref,[order])

RANK.AVG 函数用法具有下列参数：

Number必需。 要找到其排位的数字。Ref必需。 数字列表的数组，对数字列表的引用。 Ref 中的非数字值会被忽略。Order可选。 一个指定数字排位方式的数字。

备注

如果 Order 为 0（零）或省略，Excel 对数字的排位是基于 ref 为按降序排列的列表。如果 Order 不为零，Excel 对数字的排位是基于 ref 为按升序排列的列表。

案例

RANK.EQ 函数

描述

返回一列数字的数字排位。 其大小与列表中其他值相关；如果多个值具有相同的排位，则返回该组值的最高排位。

如果要对列表进行排序，则数字排位可作为其位置。

用法

RANK.EQ(number,ref,[order])

RANK.EQ 函数用法具有下列参数：

Number必需。 要找到其排位的数字。Ref必需。 数字列表的数组，对数字列表的引用。 Ref 中的非数字值会被忽略。Order可选。 一个指定数字排位方式的数字。

备注

如果 Order 为 0（零）或省略，Excel 对数字的排位是基于 Ref 为按降序排列的列表。如果 Order 不为零， Excel 对数字的排位是基于 Ref 为按照升序排列的列表。RANK.EQ 赋予重复数相同的排位。 但重复数的存在将影响后续数值的排位。 例如，在按升序排序的整数列表中，如果数字 10 出现两次，且其排位为 5，则 11 的排位为 7（没有排位为 6 的数值）。要达到某些目的，可能需要使用将关联考虑在内的排位定义。 在上一案例中，可能需要将数字 10 的排位修改为 5.5。 这可以通过向 RANK.EQ 返回的值添加以下修正系数来实现。 此修正系数适用于按降序排序（order = 0 或省略）和按升序排序（order = 非零值）计算排位的情况。

关联排位的修正系数 =[COUNT(ref) + 1 – RANK.EQ(number, ref, 0) – RANK.EQ(number, ref, 1)]/2。

在工作簿中的案例中，RANK.EQ(A3,A2:A6,1) 等于3。 修正系数为 (5 + 1 – 2 – 3)/2 = 0.5，将关联考虑在内的修订排位为 3 + 0.5 = 3.5。 如果数字在 ref 中仅出现一次，此修正系数将为 0，因为无需调整 RANK.EQ 以进行关联。

案例

RSQ 函数

描述

通过 known_y's 和 known_x's 中的数据点返回皮尔生乘积矩相关系数的平方。有关详细信息，请参阅PEARSON 函数。R 平方值可以解释为 y 方差可归于 x 方差的比例。

用法

RSQ(known_y's,known_x's)

RSQ 函数用法具有下列参数：

Known_y's必需。 数组或数据点区域。Known_x's必需。 数组或数据点区域。

备注

参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果 known_y's 和 known_x's 为空或其数据点个数不同，函数 RSQ 返回错误值 #N/A。如果 known_y's 和 known_x's 只包含 1 个数据点，则 RSQ 返回 错误值 #p/0!。皮尔生(Pearson)乘积矩相关系数 r 的计算公式如下：

其中 x 和 y 是样本平均值 AVERAGE(known_x's) 和 AVERAGE(known_y's)。

RSQ 返回 r2，即相关系数的平方。

案例

SKEW 函数

描述

返回分布的偏斜度。 偏斜度表明分布相对于平均值的不对称程度。 正偏斜度表明分布的不对称尾部趋向于更多正值。 负偏斜度表明分布的不对称尾部趋向于更多负值。

用法

SKEW(number1, [number2], ...)

SKEW 函数用法具有下列参数：

number1, number2, ...Number1 是必需的，后续数字是可选的。 用于计算偏斜度的 1 到 255 个参数。 也可以用单一数组或对某个数组的引用来代替用逗号分隔的参数。

备注

参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果数据点个数少于三，或者样本标准偏差为零，则 SKEW 返回 错误值 #p/0!。偏斜度公式的定义如下：

案例

SKEW.P 函数

描述

返回基于样本总体的分布不对称度：表明分布相对于平均值的不对称程度。

用法

SKEW.P(number 1, [number 2],…)

SKEW.P 函数用法具有下列参数。

Number 1, number 2,…Number 1 是必选项，后续数字是可选项。Number 1、number 2、… 等是 1 至 254 个数字，或包含数字的名称、数组或引用，您要以此函数获得其样本总体的分布不对称度。

SKEW.P 使用下面的公式：

备注

参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零 (0) 值的单元格将计算在内。SKEW.P 使用样本总体的标准偏差，而非一个样本。如果参数值无效，SKEW.P 返回错误值 #NUM!。如果参数使用的数据类型无效，SKEW.P 返回错误值 #VALUE!。如果数据点个数少于三，或者样本标准偏差为零，SKEW.P 返回错误值 #p/0!。

案例

SLOPE 函数

描述

返回通过 known_y's 和 known_x's 中数据点的线性回归线的斜率。 斜率为垂直距离除以线上任意两个点之间的水平距离，即回归线的变化率。

用法

SLOPE(known_y's, known_x's)

SLOPE 函数用法具有下列参数：

Known_y's必需。 数字型因变量数据点数组或单元格区域。Known_x's必需。 自变量数据点集合。

备注

参数可以是数字，或者是包含数字的名称、数组或引用。如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。如果 known_y's 和 known_x's 为空或其数据点个数不同，函数 SLOPE 返回错误值 #N/A。回归直线的斜率计算公式如下：

其中 x 和 y 是样本平均值 AVERAGE(known_x's) 和 AVERAGE(known_y's)。

SLOPE 和 INTERCEPT 函数中使用的下层算法与 LINEST 函数中使用的下层算法不同。 当数据未定且共线时，这些算法之间的差异会导致不同的结果。 例如，如果参数 known_y's 的数据点为 0，参数 known_x's 的数据点为 1：SLOPE 和 INTERCEPT 返回 错误 #p/0!。 SLOPE 和 INTERCEPT 的算法用于只查找一个答案，在这种情况下，还可能会出现多个答案。LINEST 会返回值 0。 LINEST 的算法用来返回共线数据的合理结果，在这种情况下至少可找到一个答案。

案例

SMALL 函数

描述

返回数据集中的第 k 个最小值。 使用此函数以返回在数据集内特定相对位置上的值。

用法

SMALL(array,k)

SMALL 函数用法具有下列参数：

Array必需。 需要找到第 k 个最小值的数组或数值数据区域。K必需。 要返回的数据在数组或数据区域里的位置（从小到大）。

备注

如果 array 为空，则 SMALL 返回 错误值 #NUM!。如果 k ≤ 0 或 k 超过了数据点个数，则 SMALL 返回 错误值 #NUM!。如果 n 为数组中的数据点个数，则 SMALL(array,1) 等于最小值，SMALL(array,n) 等于最大值。

案例

STANDARDIZE 函数

描述

返回由 mean 和 standard_dev 表示的分布的规范化值。

用法

STANDARDIZE(x, mean, standard_dev)

STANDARDIZE 函数用法具有下列参数：

X必需。 需要进行正态化的数值。Mean必需。分布的算术平均值。standard_dev必需。分布的标准偏差。

备注

如果 standard_dev ≤ 0，则 STANDARDIZE 返回错误值 #NUM!。规范化值的公式为：

案例

STDEV.P 函数

描述

计算基于以参数形式给出的整个样本总体的标准偏差（忽略逻辑值和文本）。

标准偏差可以测量值在平均值（中值）附近分布的范围大小。

用法

STDEV.P(number1,[number2],...)

STDEV.P 函数用法具有下列参数：

Number1必需。对应于总体的第一个数值参数。Number2, ...可选。对应于总体的 2 到 254 个数值参数。也可以用单一数组或对某个数组的引用来代替用逗号分隔的参数。

备注

STDEV.P 假定其参数是整个总体。如果数据代表总体样本，请使用 STDEV 计算标准偏差。对于大样本容量，函数 STDEV.S 和 STDEV.P 计算结果大致相等。此处标准偏差的计算使用“n”方法。参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果参数是一个数组或引用，则只计算其中的数字。数组或引用中的空白单元格、逻辑值、文本或错误值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算包含引用中的逻辑值和代表数字的文本，请使用 STDEVPA 函数。函数 STDEV.P 的计算公式如下：

其中 x 为样本平均值 AVERAGE(number1,number2,…)，n 为样本大小。

案例

STDEV.S 函数

描述

基于样本估算标准偏差（忽略样本中的逻辑值和文本）。

标准偏差可以测量值在平均值（中值）附近分布的范围大小。

用法

STDEV.S(number1,[number2],...)

STDEV.S 函数用法具有下列参数：

Number1必需。对应于总体样本的第一个数值参数。也可以用单一数组或对某个数组的引用来代替用逗号分隔的参数。Number2, ...可选。对应于总体样本的 2 到 254 个数值参数。也可以用单一数组或对某个数组的引用来代替用逗号分隔的参数。

备注

STDEV.S 假设其参数是总体样本。如果数据代表整个总体，请使用 STDEV.P 计算标准偏差。此处标准偏差的计算使用“n-1”方法。参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果参数是一个数组或引用，则只计算其中的数字。数组或引用中的空白单元格、逻辑值、文本或错误值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算包含引用中的逻辑值和代表数字的文本，请使用 STDEVA 函数。函数 STDEV.S 的计算公式如下：

其中 x 为样本平均值 AVERAGE(number1,number2,…)，n 为样本大小。

案例

STDEVA 函数

描述

根据样本估计标准偏差。 标准偏差可以测量值在平均值（中值）附近分布的范围大小。

用法

STDEVA(value1, [value2], ...)

STDEVA 函数用法具有下列参数：

Value1, value2, ...Value1 是必需的，后续值是可选的。 对应于总体样本的 1 到 255 个值。 也可以用单一数组或对某个数组的引用来代替用逗号分隔的参数。

备注

STDEVA 假定其参数是总体样本。 如果数据代表整个总体，则必须使用 STDEVPA 计算标准偏差。此处标准偏差的计算使用“n-1”方法。参数可以是下列形式：数值；包含数值的名称、数组或引用；数字的文本表示；或者引用中的逻辑值，例如 TRUE 和 FALSE。包含 TRUE 的参数作为 1 来计算；包含文本或 FALSE 的参数作为 0（零）来计算。如果参数为数组或引用，则只使用其中的数值。 数组或引用中的空白单元格和文本值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算不包括引用中的逻辑值和代表数字的文本，请使用 STDEV 函数。STDEVA 使用下面的公式：

其中 x 是样本平均值 AVERAGE(value1,value2,…) 且 n 是样本大小。

案例

以上是所有EXCEL的统计函数（8）描述用法以及使用案例。这次分享中存在哪些疑问或者哪些不足，可以在下面进行评论。如果觉得不错，可以分享给你的朋友，让大家一起掌握这些excel的统计函数（8）。

概述

描述样本值的离散程度，最常用的指标是方差和标准差，它们与前面所说的全距（极差）只使用了两个极值情况不同，它们利用了样本的全部信息去描述数据取值的分散性。

计算方差的公式

方差是各样本相对均值的偏差平方和的平均。使用s2来表示，其公式如下：

当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

计算标准差的公式

样本方差的开方称为样本标准差，记为s，其计算公式如下：

标准差越大，数据的离散程度越大，反之越小。但标准差与方差不同的地方是，标准差是有量纲的，它与变量值的计量单位相同，因此具有较强的实际意义，在实际应用较广泛。

R中计算方差与标准差

在R中使用var函数和sd函数分别计算方差和标准差。

var函数的语法形式如下：

var(x, y = NULL, na.rm = FALSE, use)

参数x是一个数值型向量，矩阵或数据框；

参数y是与x维度相容的一个向量、矩阵或数据框，默认为NULL值；

na.rm为逻辑值，指示是否移除缺失值，默认为FALSE；

use是一个可选参数，是一个字符型字符串。用于指明在有缺失值时计算协方差的方法。只能是 "everything", "all.obs", "complete.obs", "na.orplete", or "pairwiseplete.obs"中值之一。

sd函数的语法形式如下：

sd(x, na.rm = FALSE)

各参数的含义与var函数对应的参数相同，但是x是一个数值型向量。

下面使用一个例子来说明具体使用方法。

设从某班某门课程中随机抽取了20个学生的成绩，具体如下：

51,99,65,100,68,84,72,85,78,64,69,95,90,75,66,50,63,55,64,70.

计算其方差和标准差。

编写R程序如下：

grade<- c(51,99,65,100,68,84,72,85,78,64,69,95,90,75,66,50,63,55,64,70)ss <- var(grade)s <- sd(grade)print(ss)print(s)

计算结果如下图所示：

即方差为：222.87，标准差为：14.93

如果你喜欢这篇文章，请关注我。我会定期更新有关R语言、Python、SPSS、Excel等数据分析方面的文章。让我们共同学习和进步。

NORMINV函数用于返回指定平均值和标准偏差的正态累积分布函数的反函数值。

函数语法

语法形式。NORMINV(probability,mean,standard_dev)

probability:表示正态分布的概率值。

mean:表示分布的算术平均值。

standard_dev:表示分布的标准偏差。

选中D2单元格，在公式编辑栏中输入公式: =NORMINV(A2,B2,C2)， 按Enter键即可计算出指定条件下正态累积分布函数的反函数值，如图8-89所示。

（本文内容由百度知道网友彼岸的暗夜贡献）

上次给大家分享了《2018年最全的excel函数大全14—统计函数（8）》，这次分享给大家统计函数（9）。

STDEVPA 函数

描述

根据作为参数（包括文字和逻辑值）给定的整个总体计算标准偏差。 标准偏差可以测量值在平均值（中值）附近分布的范围大小。

用法

STDEVPA(value1, [value2], ...)

STDEVPA 函数用法具有下列参数：

Value1, value2, ...Value1 是必需的，后续值是可选的。 对应于总体的 1 到 255 个值。 也可以用单一数组或对某个数组的引用来代替用逗号分隔的参数。

备注

STDEVPA 假定其参数是整个总体。 如果数据代表总体样本，则必须使用 STDEVA 计算标准偏差。对于规模很大的样本，STDEVA 和 STDEVPA 返回近似值。此处标准偏差的计算使用“n”方法。参数可以是下列形式：数值；包含数值的名称、数组或引用；数字的文本表示；或者引用中的逻辑值，例如 TRUE 和 FALSE。直接键入到参数列表中代表数字的文本被计算在内。包含 TRUE 的参数作为 1 来计算；包含文本或 FALSE 的参数作为 0（零）来计算。如果参数为数组或引用，则只使用其中的数值。 数组或引用中的空白单元格和文本值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算不包括引用中的逻辑值和代表数字的文本，请使用 STDEVP 函数。STDEVPA 使用下面的公式：

其中 x 是样本平均值 AVERAGE(value1,value2,…) 且 n 是样本大小。

案例

STEYX 函数

描述

返回通过线性回归法预测每个 x 的 y 值时所产生的标准误差。 标准误差是在针对单独 x 预测 y 时的错误量的一个度量值。

用法

STEYX(known_y's, known_x's)

STEYX 函数用法具有下列参数：

Known_y's必需。 因变量数据点数组或区域。Known_x's必需。 自变量数据点数组或区域。

备注

参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果 known_y's 和 known_x's 的数据点个数不同，函数 STEYX 返回错误值 #N/A。如果 known_y's 和 known_x's 为空或其数据点个数小于三，则 STEYX 返回错误值 #p/0!。预测值 y 的标准误差计算公式如下：

其中 x 和 y 是样本平均值 AVERAGE(known_x's) 和 AVERAGE(known_y's)，且 n 是样本大小。

案例

T.DIST 函数

描述

返回学生的左尾 t 分布。 t 分布用于小型样本数据集的假设检验。 可以使用该函数代替 t 分布的临界值表。

用法

T.DIST(x,deg_freedom, cumulative)

T.DIST 函数用法具有以下参数：

X必需。 需要计算分布的数值。Deg_freedom必需。 一个表示自由度数的整数。cumulative必需。 决定函数形式的逻辑值。 如果 cumulative 为 TRUE，则 T.DIST 返回累积分布函数；如果为 FALSE，则返回概率密度函数。

备注

如果任一参数是非数值的，则 T.DIST 返回 错误值 #VALUE!。如果 deg_freedom 1，则 T.DIST 返回一个错误值。 Deg_freedom 不得小于 1。

案例

T.DIST.2T 函数

描述

返回学生的双尾 t 分布。

学生的 t 分布用于小样本数据集的假设检验。 可以使用该函数代替 t 分布的临界值表。

用法

T.DIST.2T(x,deg_freedom)

T.DIST.2T 函数用法具有以下参数：

X必需。 需要计算分布的数值。Deg_freedom必需。 一个表示自由度数的整数。

备注

如果任一参数是非数值的，则 T.DIST.2T 返回 错误值 #VALUE!。如果 deg_freedom 1，则 T.DIST.2T 返回 错误值 #NUM!。如果 x 0，则 T.DIST.2T 返回 错误值 #NUM!。

案例

T.DIST.RT 函数

描述

返回学生的右尾 t 分布。

t 分布用于小型样本数据集的假设检验。 可以使用该函数代替 t 分布的临界值表。

用法

T.DIST.RT(x,deg_freedom)

T.DIST.RT 函数用法具有以下参数：

X必需。 需要计算分布的数值。Deg_freedom必需。 一个表示自由度数的整数。

备注

如果任一参数是非数值的，则 T.DIST.RT 返回 错误值 #VALUE!。如果 deg_freedom 1，则 T.DIST.RT 返回 错误值 #NUM!。

案例

T.TEST 函数

描述

返回与学生 t-检验相关的概率。 使用函数 T.TEST 确定两个样本是否可能来自两个具有相同平均值的基础总体。

用法

T.TEST(array1,array2,tails,type)

T.TEST 函数用法具有下列参数：

Array1必需。 第一个数据集。Array2必需。 第二个数据集。tails必需。 指定分布尾数。 如果 tails = 1，则 T.TEST 使用单尾分布。 如果 tails = 2，则 T.TEST 使用双尾分布。Type必需。 要执行的 t 检验的类型。

参数

备注

如果 array1 和 array2 的数据点个数不同，且 type = 1（成对），则 T.TEST 返回错误值 #N/A。参数 tails 和 type 将被截尾取整。如果 tails 或 type 是非数值的，则 T.TEST 返回 错误值 #VALUE!。如果 tails 是除 1 或 2 之外的任何值，则 T.TEST 返回 错误值 #NUM!。T.TEST 使用 array1 和 array2 中的数据计算非负 t 统计值。 如果 tails=1，在假设 array1 和 array2 是具有相同平均值的总体中的样本的情况下，T.TEST 返回较高 t 统计值的概率。 tails=2 时，T.TEST 返回的值是 tails=1 时返回值的两倍，并对应假设“总体平均值相同”时较高的 t 统计绝对值的概率。

案例

TREND 函数

描述

返回线性趋势值。 找到适合已知数组 known_y's 和 known_x's 的直线（用最小二乘法）。 返回指定数组 new_x's 在直线上对应的 y 值。

用法

TREND(known_y's, [known_x's], [new_x's], [const])

TREND 函数用法具有下列参数：

Known_y's必需。 关系表达式 y = mx + b 中已知的 y 值集合。如果数组 known_y's 在单独一列中，则 known_x's 的每一列被视为一个独立的变量。如果数组 known_y's 在单独一行中，则 known_x's 的每一行被视为一个独立的变量。Known_x's必需。 关系表达式 y = mx + b 中已知的可选 x 值集合。数组 known_x's 可以包含一组或多组变量。 如果仅使用一个变量，那么只要 known_x's 和 known_y's 具有相同的维数，则它们可以是任何形状的区域。 如果用到多个变量，则 known_y's 必须为向量（即必须为一行或一列）。如果省略 known_x's，则假设该数组为 {1,2,3,...}，其大小与 known_y's 相同。New_x's必需。 需要函数 TREND 返回对应 y 值的新 x 值。New_x's 与 known_x's 一样，对每个自变量必须包括单独的一列（或一行）。 因此，如果 known_y's 是单列的，known_x's 和 new_x's 应该有同样的列数。 如果 known_y's 是单行的，known_x's 和 new_x's 应该有同样的行数。如果省略 new_x's，将假设它和 known_x's 一样。如果 known_x's 和 new_x's 都省略，将假设它们为数组 {1,2,3,...}，大小与 known_y's 相同。Const可选。 一个逻辑值，用于指定是否将常量 b 强制设为 0。如果 const 为 TRUE 或省略，b 将按正常计算。如果 const 为 FALSE，b 将被设为 0（零），m 将被调整以使 y = mx。

备注

有关 Microsoft Excel 对数据进行直线拟合的详细信息，请参阅 LINEST 函数。可以使用 TREND 函数计算同一变量的不同乘方的回归值来拟合多项式曲线。 例如，假设 A 列包含 y 值，B 列含有 x 值。 可以在 C 列中输入 x^2，在 D 列中输入 x^3，等等，然后根据 A 列，对 B 列到 D 列进行回归计算。对于返回结果为数组的公式，必须以数组公式的形式输入。

注意:在 Excel Online 中，不能创建数组公式。

当为参数（如 known_x's）输入数组常量时，应当使用逗号分隔同一行中的数据，用分号分隔不同行中的数据。

案例

TRIMMEAN 函数

描述

返回数据集的内部平均值。 TRIMMEAN 计算排除数据集顶部和底部尾数中数据点的百分比后取得的平均值。 当您要从分析中排除无关的数据时，可以使用此函数。

用法

TRIMMEAN(array, percent)

TRIMMEAN 函数用法具有下列参数：

Array必需。 需要进行整理并求平均值的数组或数值区域。百分比必需。 从计算中排除数据点的分数。 例如，如果 percent=0.2，从 20 点 (20 x 0.2) 的数据集中剪裁 4 点：数据集顶部的 2 点和底部的 2 点。

备注

如果 percent 0 或 percent 1，则 TRIMMEAN 返回 错误值 #NUM!。函数 TRIMMEAN 将排除的数据点数向下舍入到最接近的 2 的倍数。 如果 percent = 0.1，30 个数据点的 10% 等于 3 个数据点。 为了对称，TRIMMEAN 排除数据集顶部和底部的单个值。

案例

VAR.P 函数

描述

计算基于整个样本总体的方差（忽略样本总体中的逻辑值和文本）。

用法

VAR.P(number1,[number2],...)

VAR.P 函数用法具有下列参数：

Number1必需。对应于总体的第一个数值参数。Number2, ...可选。对应于总体的 2 到 254 个数值参数。

备注

VAR.P 假定其参数是整个总体。如果数据代表总体样本，请使用 VAR.S 计算方差。参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果参数是一个数组或引用，则只计算其中的数字。数组或引用中的空白单元格、逻辑值、文本或错误值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算包含引用中的逻辑值和代表数字的文本，请使用 VARPA 函数。函数 VAR.P 的计算公式如下：

其中 x 为样本平均值 AVERAGE(number1,number2,…)，n 为样本大小。

案例

VAR.S 函数

描述

估算基于样本的方差（忽略样本中的逻辑值和文本）。

用法

VAR.S(number1,[number2],...)

VAR.S 函数用法具有下列参数：

Number1必需。对应于总体样本的第一个数值参数。Number2, ...可选。对应于总体样本的 2 到 254 个数值参数。

备注

函数 VAR.S 假设其参数是样本总体中的一个样本。如果数据为整个样本总体，则应使用函数 VAR.P 来计算方差。参数可以是数字或者是包含数字的名称、数组或引用。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。如果参数是一个数组或引用，则只计算其中的数字。数组或引用中的空白单元格、逻辑值、文本或错误值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算包含引用中的逻辑值和代表数字的文本，请使用 VARA 函数。函数 VAR.S 的计算公式如下：

其中 x 为样本平均值 AVERAGE(number1,number2,…)，n 为样本大小。

案例

VARA 函数

描述

计算基于给定样本的方差。

用法

VARA(value1, [value2], ...)

VARA 函数用法具有下列参数：

Value1, value2, ...Value1 是必需的，后续值是可选的。 这些是对应于总体样本的 1 到 255 个数值参数。

备注

VARA 假定其参数是总体样本。 如果数据代表的是样本总体，则必须使用函数 VARPA 来计算方差。参数可以是下列形式：数值；包含数值的名称、数组或引用；数字的文本表示；或者引用中的逻辑值，例如 TRUE 和 FALSE。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。包含 TRUE 的参数作为 1 来计算；包含文本或 FALSE 的参数作为 0（零）来计算。如果参数为数组或引用，则只使用其中的数值。 数组或引用中的空白单元格和文本值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算不包括引用中的逻辑值和代表数字的文本，请使用 VAR 函数。函数 VARA 的计算公式如下：

其中 x 是样本平均值 AVERAGE(value1,value2,…) 且 n 是样本大小。

案例

VARPA 函数

描述

根据整个总体计算方差。

用法

VARPA(value1, [value2], ...)

VARPA 函数用法具有下列参数：

Value1, value2, ...Value1 是必需的，后续值是可选的。 对应于总体的 1 到 255 个值参数。

备注

VARPA 假定其参数是整个总体。 如果数据代表总体样本，则必须使用 VARA 计算方差。参数可以是下列形式：数值；包含数值的名称、数组或引用；数字的文本表示；或者引用中的逻辑值，例如 TRUE 和 FALSE。逻辑值和直接键入到参数列表中代表数字的文本被计算在内。包含 TRUE 的参数作为 1 来计算；包含文本或 FALSE 的参数作为 0（零）来计算。如果参数为数组或引用，则只使用其中的数值。 数组或引用中的空白单元格和文本值将被忽略。如果参数为错误值或为不能转换为数字的文本，将会导致错误。如果要使计算不包括引用中的逻辑值和代表数字的文本，请使用 VARP 函数。VARPA 的公式为：

其中 x 是样本平均值 AVERAGE(value1,value2,…) 且 n 是样本大小。

案例

WEIBULL.DIST 函数

描述

返回 Weibull 分布。 可以将该分布用于可靠性分析，例如计算设备出现故障的平均时间。

用法

WEIBULL.DIST(x,alpha,beta,cumulative)

WEIBULL.DIST 函数用法具有下列参数：

X必需。 用来计算函数的值。Alpha必需。 分布参数。Beta必需。 分布参数。cumulative必需。 确定函数的形式。

备注

如果 x、alpha 或 beta 是非数值的，则 WEIBULL.DIST 返回 错误值 #VALUE!。如果 x 0，则 WEIBULL.DIST 返回 错误值 #NUM!。如果 alpha ≤ 0 或 beta ≤ 0，则 WEIBULL.DIST 返回 错误值 #NUM!。Weibull 累积分布函数的公式为：

Weibull 概率密度函数的公式为：

当 alpha = 1，函数 WEIBULL.DIST 返回指数分布：

案例

Z.TEST 函数

1.极差不匀（又名相对极差）

极差是指一组数据的最大值与一组数据的最小值之差

相对极差一般是指极差（绝对极差）/数值平均值

可以使用公式

 =ROUND((MAX(A2:A4)-MIN(A2:A4))/AVERAGE(A2:A4)*100,2)&"%"

如下图所示

2.平均差不匀（又名相对平均偏差）：

可以使用公式

=ROUND(AVEDEV(A1:A13)/AVERAGE(A1:A13)*100,2)&"%"

如下图所示

3.均方差不匀（又名相对标准偏差）：

可以使用公式

=ROUND(STDEV(A1:A13)/AVERAGE(A1:A13)*100,2)&"%"

如下图所示

（本文内容由百度知道网友茗童贡献）