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？

函数新定义问题

函数新定义问题是指给出阅读材料,设计一个陌生的数学情景，定义一个新函数,并给出新函数所满足的条件或具备的性质；或者给出已知函数，再定义一个新概念(如不动点)，把数学知识与方法迁移到这段阅读材料，考生需捕捉相关信息,通过归纳、探索，发现解题方法，然后解决问题。

考法举列

本题主要考查导数的概念与几何意义，正确率: 47%, 易错项: B

再举一列：

本题主要考查函数，正确率: 23%, 易错项: C。易错项分析：本题也属于新定义函数问题，根据所给“三角形函数”要满足的条件，对所给函数作分类讨论，易错点是分类的依据是本题要根据是否为常数，对临界点进行分类，其次要正确应用不等式的性质作不等式的变形。

本题主要考查函数的最值，解题关键是掌握指数函数的图象和性质；

处理此类函数新定义类型题目的方法如下:

(1)联想背景:有些题目给出的新函数是以熟知的初等函数(如一次函数、二次函数、指数函数、对数函数、三角函数等)为背景定义的,可以通过阅读材料,分析有关信息,联想背景函数及其性质,进行类比,捕捉解题灵感,然后解决问题.

(2)紧扣定义:对于题目定义的新函数,通过仔细阅读、分析定义以及新函数所满足的条件,围绕定义与条件来确定解题的方向,然后准确作答

(3)巧妙赋值:如果题目所定义的新函数满足的条件是函数方程,可采用赋值法,即令x,y取特殊值,或为某一范围内的值,求得特殊函数值或函数解析式,再结合掌握的数学知识与方程思想来解决问题.

(4)构造函数:有些新定义型函数可以看成是由两个已知函数构造而成.

学完这几个例题，是否想一展身手呢？那试试下题：

答案是

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）

预备阅读：【进阶】Excel中的方差分析之单因素方差分析

前言

前面我们说了方差分析中的单因素方差分析，但是在实际工作中，影响因素往往不止一个，需要考虑两个或以上因素对实验结果的影响。比如某公司销售汽车，在销售时，除了要关注汽车的外形、价格、耗油量等因素以外，还要考虑地区差异是否对销量有影响。今天来看一下双因素方差分析。

双因素方差分析

如果将汽车颜色看成是影响销量的A因素，不同地区看成是影响销量的B因素，同时对A因素和B因素进行分析，即为双因素方差分析。

双因素方差分析是指分析两个因素，即行因素和列因素，对试验结果的影响的分析方法。当两个因素对试验结果的影响是相互独立的，且可以分别判断出行因素和列因素对试验数据的影响时，可使用双因素方差分析中的无重复双因素分析，即无交互作用的双因素方差分析方法。当这两个因素不仅会对试验数据单独产生影响，还会因二者搭配而对结果产生新的影响时，便可使用可重复双因素分析，即有交互作用的双因素方差分析方法。今天分享个可重复双因素分析的实例。

实例应用

实例应用：可重复双因素分析方法分析何种因素对效益有显著性影响

1、案例描述

某企业为了了解4种方案（因素2）在4个不同地区（因素1）的销售额状况，分别将4种方案投入4个地区进行试验，现有各个方案在不同地区的3天销售额数据，如下图所示，要求分析不同地区、不同方案，以及二者相交互分别对销售额的影响。

2、实例分析

在假设为5%的显著性水平下使用可重复双因素分析法推断不同地区、方案以及两者之间的交互作用中哪些因素对销售额有显著影响。

3、操作分析

第1步：选择分析工具并设置相关参数。打开“数据分析”——“方差分析：可重复双因素分析”，确定，在弹出的对话框中设置，“输入区域”为“$A$1：$E$13”，设置“每一样本的行数”为“3”，设置“α”为“0.05”，在“输出选项”选择“输出区域”，设置为“$G$2”，确定。需要注意的是“每一样本的行数”为各因素每一水平搭配使用的次数。

第2步：显示可重复双因素分析结果。如下图所示。

4、决策分析

在分析结果第一部分的SUMMARY中，可看到各个方案对应地区的样本观测数、求和、样本平均数、样本方差等数据。在第二部分的“方差分析”中可看到，分析结果不但有样本[行因素/方案（因素2）]和列因素[地区（因素1）]的F统计量和F临界值，也有交互作用的F统计量和F临界值。

对比3项F统计量和各自的F临界值，样本、列、交互的F统计量都大于F临界值，说明方案、地区都对销售额有显著的影响。此外，结果中3个P-value值都小于0.01，也说明了方案和地区以及二者之间的交互作用对销售额都有显著影响，所以，该公司在制定后续的销售决策时，应考虑这些因素对销售额增长的作用。

小结

上面就是今天的主题内容了，今天学习一下Excel中如何进行双因素方差分析，可以分析多个因素对某一事物的影响的显著情况。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，我都希望你留言和我们进行交流、讨论。

在EXCEL中你什么都可以不会，但是加法你必须得会~下面我们就来看看神奇的"求和"函数SUBTOTAL：

其实用“求和”来表述SUBTOTAL有点太屈才，不过没关系，谁让“求和”是最基本的运算呢。

下面对比一下SUM与SUBTOTAL在求和上的区别：

（1）：单元格全部显示的情况下，两者没有区别

（2）：如果想统计职位为员工的补贴总额：使用筛选功能后，SUM的结果没有变化，而SUBTOTAL显示的就你想统计的结果。是不是直接秒杀SUM！

下面正式介绍一下我们今天的猪脚：SUBTOTAL

它是Excel中唯一一个能统计用户可见单元格的函数。（可以求和、平均数、最大值、最小值、方差等）

首先介绍一下它的语法: SUBTOTAL(function_num,ref1,ref2, ...) 是不是有点看着有点晕?

给它变个身：SUBTOTALL(要统计什么，从哪里统计)

（1）其中“要统计什么”就是你要求和还是求平均数呀，如果参数设置为9或者109就是求和。（问：为什么9、109是求和呢。答：没有为什么，记住就行。）而其他参数就是统计平均数、最大值、最小值、方差等（具体请打开EXCEL按F1 ）。

（2）而“从哪里统计”就是你要统计的区域了。

另关于9与109的区别：

（1）1-11是表示统计包含所有隐藏行。

（2）101-111是表示统计不包含手动隐藏的隐藏行（也就是忽略手动隐藏行的筛选结果）。

-------------------------------------------------------割一下-----------------------------------------------------------------------------

补充

1、关于手动隐藏行时的补充说明

不筛选时，手动隐藏部分行，使用参数9，计算结果会包含已手动隐藏行，109不包括手动隐藏行。

筛选时，手动隐藏部分行，9和109都不包含已隐藏行。

2、SUBTOTAL函数会忽略计算区域中所嵌套的分类汇总（subtotal的计算结果），如下图B16单元格的公式为=SUBTOTAL(9,B3:B15)，公式计算时会自动忽略单元格区域中subtotal的计算结果。

3、Excel中与SUBTOTAL类似的函数还有AGGREGATE，此函数比SUBTOTAL更强大，此函数是全能冠军，它的作用就是求和统计，一个顶十九个（SUBTOTAL一个顶十一个），可以替代SUM、COUT、MAX等十九个函数，重点是：它除了忽略隐藏行、本函数计算结果，还可以忽略错误值。总之，对SUBTOTAL更强大。以后再专篇详细介绍。

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）。

以方差分析：无重复双因素分析为例，操作方式如下

1、选择需要进行方差分析的数据区域，然后单击数据选项卡

2、在分析功能组中单击数据分析按钮，弹出数据分析对话框

3、在分析工具列表框中选择方差分析：无重复双因素分析，单击确定,弹出方差分析：无重复双因素分析对话框

4、单击输入区域后的文本框，在表格中选择区域：$A$2:$B$20，单击输出选项，再单击后面的文本框，在表格中选择单元格：$E$1，再单击确定即可。

（本文内容由百度知道网友cctv1102贡献）

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。

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

上次给大家分享了《2017年最全的excel函数大全14—统计函数（2）》，这次分享给大家统计函数（3）。

COUNTIFS 函数

描述

COUNTIFS函数将条件应用于跨多个区域的单元格，然后统计满足所有条件的次数。

用法

COUNTIFS(criteria_range1, criteria1, [criteria_range2, criteria2],…)

COUNTIFS 函数用法具有以下参数：

criteria_range1必需。在其中计算关联条件的第一个区域。criteria1必需。条件的形式为数字、表达式、单元格引用或文本，它定义了要计数的单元格范围。例如，条件可以表示为 32、">32"、B4、"apples"或 "32"。criteria_range2, criteria2, ...可选。附加的区域及其关联条件。最多允许 127 个区域/条件对。

重要:每一个附加的区域都必须与参数criteria_range1具有相同的行数和列数。这些区域无需彼此相邻。

备注

每个区域的条件一次应用于一个单元格。如果所有的第一个单元格都满足其关联条件，则计数增加 1。如果所有的第二个单元格都满足其关联条件，则计数再增加 1，依此类推，直到计算完所有单元格。如果条件参数是对空单元格的引用，COUNTIFS 会将该单元格的值视为 0。您可以在条件中使用通配符，即问号 (?) 和星号 (*)。问号匹配任意单个字符，星号匹配任意字符串。如果要查找实际的问号或星号，请在字符前键入波形符 (~)。

案例 1

案例 2

COVARIANCE.P 函数

描述

返回总体协方差，即两个数据集中每对数据点的偏差乘积的平均数。利用协方差确定两个数据集之间的关系。例如，您可检查教育程度与收入是否成正比。

用法

COVARIANCE.P(array1,array2)

COVARIANCE.P 函数用法具有下列参数：

Array1必需。整数的第一个单元格区域。Array2必需。整数的第二个单元格区域。

备注

参数必须是数字，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 array1 和 array2 所含数据点的个数不等，则 COVARIANCE.P 返回错误值 #N/A。如果 array1 和 array2 当中有一个为空，则 COVARIANCE.P 返回错误值 #p/0!。协方差计算公式为

其中

是样本平均值 AVERAGE(array1) 和 AVERAGE(array2)，n 是样本大小。

案例

COVARIANCE.S 函数

描述

返回样本协方差，即两个数据集中每对数据点的偏差乘积的平均值。

用法

COVARIANCE.S(array1,array2)

COVARIANCE.S 函数用法具有下列参数：

Array1必需。整数的第一个单元格区域。Array2必需。整数的第二个单元格区域。

备注

参数必须是数字，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 array1 和 array2 具有不同数量的数据点，则 COVARIANCE.S 返回错误值 #N/A。如果 array1 或 array2 为空或各自仅包含 1 个数据点，则 COVARIANCE.S 返回错误值 #p/0!。

案例

DEVSQ 函数

描述

返回各数据点与数据均值点之差（数据偏差）的平方和。

用法

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

DEVSQ 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。用于计算偏差平方和的 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。偏差平方和的公式为：

案例

EXPON.DIST 函数

描述

返回指数分布。使用 EXPON.DIST 可以建立事件之间的时间间隔模型，如银行自动提款机支付一次现金所花费的时间。例如，可通过 EXPON.DIST 来确定这一过程最长持续一分钟的发生概率。

用法

EXPON.DIST(x,lambda,cumulative)

EXPON.DIST 函数用法具有下列参数：

X必需。函数值。Lambda必需。参数值。Cumulative必需。逻辑值，用于指定指数函数的形式。如果 cumulative 为 TRUE，则 EXPON.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 x 或 lambda 为非数值型，则 EXPON.DIST 返回错误值 #VALUE!。如果 x < 0，则 EXPON.DIST 返回错误值 #NUM!。如果 lambda < 0，则 EXPON.DIST 返回错误值 #NUM!。概率密度函数的公式为：

累积分布函数的公式为：

案例

F.DIST 函数

描述

返回 F 概率分布函数的函数值。使用此函数可以确定两组数据是否存在变化程度上的不同。例如，分析进入中学的男生、女生的考试分数，来确定女生分数的变化程度是否与男生不同。

用法

F.DIST(x,deg_freedom1,deg_freedom2,cumulative)

F.DIST 函数用法具有下列参数：

X必需。用来计算函数的值。Deg_freedom1必需。分子自由度。Deg_freedom2必需。分母自由度。Cumulative必需。决定函数形式的逻辑值。如果 cumulative 为 TRUE，则 F.DIST 返回累积分布函数；如果为 FALSE，则返回概率密度函数。

备注

如果任一参数为非数值型，则 F.DIST 返回错误值 #VALUE!。如果 x 为负数，则 F.DIST 返回错误值 #NUM!。如果 deg_freedom1 或 deg_freedom2 不是整数，则将被截尾取整。如果 deg_freedom1 < 1，则 F.DIST 返回错误值 #NUM!。如果 deg_freedom2 < 1，则 F.DIST 返回错误值 #NUM!。

案例

F.DIST.RT 函数

描述

返回两个数据集的（右尾）F 概率分布（变化程度）。使用此函数可以确定两组数据是否存在变化程度上的不同。例如，分析进入中学的男生、女生的考试分数，来确定女生分数的变化程度是否与男生不同。

用法

F.DIST.RT(x,deg_freedom1,deg_freedom2)

F.DIST.RT 函数用法具有下列参数：

X必需。用来计算函数的值。Deg_freedom1必需。分子自由度。Deg_freedom2必需。分母自由度。

备注

如果任一参数为非数值型，则 F.DIST.RT 返回错误值 #VALUE!。如果 x 为负数，则 F.DIST.RT 返回错误值 #NUM!。如果 deg_freedom1 或 deg_freedom2 不是整数，则将被截尾取整。如果 deg_freedom1 < 1，则 F.DIST.RT 返回错误值 #NUM!。如果 deg_freedom2 < 1，则 F.DIST.RT 返回错误值 #NUM!。F.DIST.RT 的计算公式为 F.DIST.RT=P( F>x )，其中 F 为呈 F 分布且带有 deg_freedom1 和 deg_freedom2 自由度的随机变量。

案例

F.INV 函数

描述

返回 F 概率分布函数的反函数值。如果 p = F.DIST(x,...)，则 F.INV(p,...) = x。在 F 检验中，可以使用 F 分布比较两组数据中的变化程度。例如，可以分析美国和加拿大的收入分布，判断两个国家/地区是否有相似的收入变化程度。

用法

F.INV(probability,deg_freedom1,deg_freedom2)

F.INV 函数用法具有下列参数：

Probability必需。 F 累积分布的概率值。Deg_freedom1必需。分子自由度。Deg_freedom2必需。分母自由度。

备注

如果任一参数为非数值型，则 F.INV 返回错误值 #VALUE!。如果 probability < 0 或 probability > 1，则 F.INV 返回错误值 #NUM!。如果 deg_freedom1 或 deg_freedom2 不是整数，则将被截尾取整。如果deg_freedom1 < 1 或 deg_freedom2 < 1，则 F.INV 返回错误值 #NUM!。

案例

F.INV.RT 函数

描述

返回（右尾）F 概率分布函数的反函数值。如果 p = F.DIST.RT(x,...)，则 F.INV.RT(p,...) = x。在 F 检验中，可以使用 F 分布比较两组数据中的变化程度。例如，可以分析美国和加拿大的收入分布，判断两个国家/地区是否有相似的收入变化程度。

用法

F.INV.RT(probability,deg_freedom1,deg_freedom2)

F.INV.RT 函数用法具有下列参数：

Probability必需。 F 累积分布的概率值。Deg_freedom1必需。分子自由度。Deg_freedom2必需。分母自由度。

备注

如果任一参数为非数值型，则 F.INV.RT 返回错误值 #VALUE!。如果 Probability < 0 或 Probability > 1，则 F.INV.RT 返回错误值 #NUM!。如果 Deg_freedom1 或 Deg_freedom2 不是整数，则将被截尾取整。如果 Deg_freedom1 < 1 或 Deg_freedom2 < 1，则 F.INV.RT 返回错误值 #NUM!。如果 Deg_freedom2 < 1 或 Deg_freedom2 ≥ 10^10，则 F.INV.RT 返回错误值 #NUM!。

F.INV.RT 可用于返回 F 分布的临界值。例如，ANOVA 计算的结果常常包括 F 统计值、F 概率和显著水平参数为 0.05 的 F 临界值数据。若要返回 F 的临界值，请将显著水平参数用作为 F.INV.RT 的 probability 参数。

如果已给定概率值，则 F.INV.RT 使用 F.DIST.RT(x,deg_freedom1,deg_freedom2)=probability 求解数值 x。因此，F.INV.RT 的精度取决于 F.DIST.RT 的精度 F.INV.RT 使用迭代搜索技术。如果搜索在 64 次迭代之后没有收敛，则函数返回错误值 #N/A。

案例

F.TEST 函数

描述

返回 F 检验的结果，即当 array1 和 array2 的方差无明显差异时的双尾概率。

使用此函数可确定两个案例是否有不同的方差。例如，给定公立和私立学校的测验分数，可以检验各学校间测验分数的差别程度。

用法

F.TEST(array1,array2)

F.TEST 函数用法具有下列参数：

Array1必需。第一个数组或数据区域。Array2必需。第二个数组或数据区域。

备注

参数可以是数字，或者是包含数字的名称、数组或引用。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 array1 或 array2 中数据点的个数少于 2 个，或者 array1 或 array2 的方差为零，则 F.TEST 返回错误值 #p/0!。

案例

FISHER 函数

描述

返回 x 的 Fisher 变换值。该变换生成一个正态分布而非偏斜的函数。使用此函数可以完成相关系数的假设检验。

用法

FISHER(x)

FISHER 函数用法具有下列参数：

X必需。要对其进行变换的数值。

备注

如果 x 为非数值型，则 FISHER 返回错误值 #VALUE!。如果 x ≤ -1 或 x ≥ 1，则 FISHER 返回错误值 #NUM!。Fisher 变换的公式为：

案例

FISHERINV 函数

描述

返回 Fisher 逆变换值。使用该变换可以分析数据区域或数组之间的相关性。如果 y = FISHER(x)，则 FISHERINV(y) = x。

用法

FISHERINV(y)

FISHERINV 函数用法具有下列参数：

Y必需。要对其进行逆变换的数值。

备注

如果 y 为非数值型，则 FISHERINV 返回错误值 #VALUE!。Fisher 逆变换的公式为：

案例

FORECAST 函数

描述

根据现有值计算或预测未来值。预测值为给定 x 值后求得的 y 值。已知值为现有的 x 值和 y 值，并通过线性回归来预测新值。可以使用该函数来预测未来销售、库存需求或消费趋势等。

用法

FORECAST(x, known_y's, known_x's)

FORECAST 函数用法具有下列参数：

X必需。需要进行值预测的数据点。Known_y's必需。相关数组或数据区域。Known_x's必需。独立数组或数据区域。

备注

如果 x 为非数值型，则 FORECAST 返回错误值 #VALUE!。如果 known_y's 和 known_x's 为空或含有不同个数的数据点，函数 FORECAST 返回错误值 #N/A。如果 known_x's 的方差为零，则 FORECAST 返回错误值 #p/0!。函数 FORECAST 的计算公式为 a+bx，式中：

且：

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

案例

FORECAST.ETS 函数

描述

计算指数平滑( ets )算法的使用" AAA 版本或基于现有值(历史)预测未来值。预测值是指定的目标日期，应为时间线的延续标记中的历史值的延续标记。可以使用此函数来预测未来销售额、库存需求或消费趋势。

此函数需要时间线与不同点间常量步骤进行组织。例如，每月、每年的时间线或数值的日程表的1日的值可能是一个月的时间线的索引。对于此类型的时间线，它与之前的详细数据应用聚合原始非常有用的预测，生成更加精确的预测和结果。

用法

预测. ets ( target_date "、"值"、"时间线",[ seasonality ]、[ data_completion ],[汇总])

FORECAST.ETS 函数用法具有以下参数：

target_date必需。要为其预测值的数据点。目标日期可以是日期/时间或数值。如果目标日期按时间前后排列处于历史时间线结束之前，则 FORECAST.ETS 将返回 #NUM! 错误。值必需。值是"历史值，您要为其预测下一点。时间线必需。独立数组或数值数据区域。时间线中的日期之间必须有一致步长且不能为零。无需对时间线进行排序，因为 FORECAST.ETS 会对其进行隐式排序，以进行计算。如果无法在提供的时间线中识别一致步长，则 Forecast.ETS 将返回 #NUM! 错误。如果时间线包含重复值，则 Forecast.ETS 将返回 #VALUE! 错误。如果时间线和值的范围大小不同，则 Forecast.ETS 将返回 #N/A 错误。季节性可选。一个数值。默认值为 1，意味着 Excel 自动检测季节性进行预测，并使用正整数作为季节性模式的长度。 0 表示无季节性，意味着预测为线性预测。正整数指示算法使用此长度模式作为季节性。对于其他任何值，FORECAST.ETS 将返回 #NUM! 错误。

最大支持 seasonality 是8,760（一年中的小时数）。该数字上方的任何 seasonality 将导致"# NUM ! 错误。

数据完成可选。虽然时间线需要数据点之间的一致步长，但 FORECAST.ETS 支持最多...