excel表格中的页边距没有标准，只有系统默认值。如下图，它提供了三种方案：

普通   宽    和   窄 ，三种方案的页边距不同，根据自己表格的设计，选择合适的即可。

如果三种中没有满意的方案，可以自定义设置，比如下图中最上面的“上次的自定义设置”

就是本人平常用得比较多的方案，这个页边距打印出来，看上去版面很协调。

当然，可以根据自己的喜好来调整。

（本文内容由百度知道网友mingxingstar贡献）

突出显示重复数据

1、选中A2:A11单元格区域，新建格式规则

2、使用公式为：

=COUNTIF(A$2:A2,A2)>1

3、设置突出显示的格式

提示：

COUNTIF函数第一参数使用A$2:A2，表示从A2单元格开始至公式所在行的A列。在这个动态扩展的范围中，统计有多少个单元格与公式所在行的内容相同。

突出显示每种商品的最低价格

1、选中B4:F13单元格区域，新建格式规则

=B4=MIN($B4:$F4)

1、MIN($B4:$F4)部分计算出公式所在行的最小值。

2、然后判断B4（活动单元格），是否等于公式所在行的最小值。

3、在条件格式中，针对活动单元格的设置，将被作用到所选区域的每一个单元格。

突出显示已完成合同

1、选中A4:F13单元格区域，新建格式规则

=$F4="是"

本例需要特别注意引用方式，因为每一列都是依据F列的判断结果来显示条件格式，所以要使用列绝对引用。

突出显示周末日期

1、选中A3:F7单元格区域，新建格式规则

=WEEKDAY(A$3,2)>5

1、WEEKDAY函数返回某日期为星期几。第二参数使用2，表示以1~7表示星期一到星期日。

2、对第三行中的日期进行判断后，如果数值大于5，即表示该日期为周六或是周日。

合同到期提醒

1、选中A4:D7单元格区域，新建格式规则

=AND($D4>TODAY(),$D4-TODAY()<7)

使用两个条件对D4单元格中的日期进行判断，第一个条件是大于系统当前日期，第二个条件是和系统当前日期的间隔小于7。

员工生日一周内提醒

=DATEDIF($D4,NOW()+7,"yd")<=7

1、DATEDIF函数用于计算两个日期之间的间隔。

2、第三参数使用yd，表示计算两个日期忽略年的间隔天数。

注意：

由于DATEDIF函数的第三参数在使用“YD”时有特殊的计算规则，因此当结束日期是3月份时，计算结果可能会出现一天的误差。

数据有效性不仅能够对单元格的输入数据进行条件限制，还可以在单元格中创建下拉列表菜单方便用户选择输入。

普通青年这样用：

步骤简要说明：

选中区域，设置数据验证，允许条件选择序列，输入要在下拉菜单中显示的内容：

男,女

注意不同选项要使用半角的逗号隔开。

文艺青年这样用：

选中数据区域，设置数据验证，在【输入信息】选项卡下输入提示内容。

强迫症青年这样用：

选中数据区域，设置数据验证，自定义公式为：

=COUNTA(E$3:E3)=ROW(A1)

注意：公式中的E3是选中数据区域的首个单元格。

走你青年这样用：

=COUNTIF(E:E,E3)=1

注意：公式中的E3是实际选中数据区域的首个单元格。

牛B青年这样用：

任意单元格（如H3）输入公式=NOW()

选中数据区域，设置数据验证，序列来源为：

=H3

注意：要预先设置所选数据区域的数字格式为：H:MM:SS

图文制作：祝洪忠

现在很多玩王者荣耀的朋友都知道点击自己的头像后能看到自己的“对战资料”，对战资料有一个对能力评价的，叫做雷达图！大号看不下去，为了做演示去玩了一个小号！

王者荣耀内的能力图

点开详细数据会显示各类指标

王者荣耀详细数据

今天我们演示一下怎么用Excel制做王者荣耀能力图，首先看一

下效果

这是小编自己制作的能力图

如果单独对这些数据创建雷达图的话，将会是这样

直接对数据创建雷达图

为什么会这样呢？因为这些数据的标准不是统一的，这里我们需要把数据统一一下

准备好这些数据后我们要将这些数据标准化

我们准备了6组数据，采用离差标准化方法，将所有的数据转换成0-1之间

公式：[数据-min(样本)]/[max(样本)-min(样本)]

使用Excel求离差标准化

最后一步绘制雷达图，这是将数据标准化之后的雷达图

“插入”—“图表”—“其他图表”—找到“雷达图”就好了

在Excel中插入雷达图

今天的分享就到这里了！

　　计算公式如下：

　　估计标准误差是说明实际值与其估计值之间相对偏离程度的指标，主要用来衡量回归方程的代表性。

　　作用：

　　①它可以说明回归方程的理论值代表相应实际值的代表性大小;

　　②它可以说明以回归直线为中心的所有相关点的离散程度;

　　③它可以反映两变量之间相关的密切程度;

　　④它可以表明回归方程实用价值的大小。

　　估计标准误差的值越小，则估计量与其真实值的近似误差越小，但不能认为估计量与真实值之间的绝对误差就是估计标准误差。

（本文内容由百度知道网友w别y云j间贡献）

首先假设表格如下图，A列为吸光度，B列为标准品的浓度。

第一步：选中表格区域，插入创建以吸光度为横坐标（X轴）、浓度为纵坐标（Y轴）的散点图。

第二步：选中创建的图表，在“图表工具”选项卡中选择“趋势线”，“线性趋势线”

第三步：选中图表上的趋势线，右键，选择“设置趋势线格式”

第四步：在弹出的对话框中，将“显示公式”勾选上，点击关闭，此时图表上出现一个公式，即吸光度与浓度的关系。

第五步：选中这个公式，Ctrl+C复制（直接右键没有复制选项），然后粘贴到“浓度”一列中最下边空白的单元格中。

第六步：将刚刚复制的公式中的“y”删除，“x”改成“*A10”，即整个公式改成“=9.6429*A10+0.3214”，回车确定

第七步：在A10中输入所测的实际样品的吸光度，B10中自动显示该样品的浓度

（本文内容由百度知道网友我是来吓宝宝的贡献）

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。

原创：有点瘦的胖子零一

需要预测的场景太多这里就不一一赘述了，在师傅的指导下，我对excel的认知水平又提升了一大截，学会了用excel做多元回归分析。这个预测方法不仅适用绝大部分行业，并且也适用没有业务基础的小白操作。附上师父的一句教诲：相信相信的力量。下面进入主题：

1.打开一张多字段数据的excel表格

导盲犬：excel中每一列就是一个字段,其第一个单元格内容就是字段名。

→剪切20%的数据做为测试集，剩余的80%数据做为训练集。→将需要预测的列剪切并复制在其它变量的前面，也就是第2列，这里我们对“无线端下单金额“进行预测，确定影响它的相关因子。

导盲犬：将需要预测的数据放在首列是为了保持预测时的连续性，另外相关因子的数量最多为16个。

→数据→数据分析

→Y值所在区域：预测值所在列的第一行开始至最后一行；X值所在区域：其余变量所在列的第一行开始至最后一行→勾选标志→勾选残差→确定

导盲犬：残差=实际y值-预测y值，利用条件格式筛选掉残差>两个标准误差的异常值。

→选中所有残差→开始→条件格式

→突出显示单元格规则→大于

→输入2倍标准误差值→确定

→找出异常值所在行

→返回数据源将异常值所在行删除即第10行和第39行（注：原数据因为有标题，所以残差异常值所在第9行相当于源数据第10行，又因为第一次删除后导致后面的行数均会上移一行，所以残差异常值所在第39行相当于源数据39行）

→数据→数据分析

→回归→确定

→Y值所在区域：预测值所在列的第一行开始至最后一行；X值所在区域：其余变量所在列的第一行开始至最后一行→勾选标志→勾选残差→确定

→筛选出<0.05的P值

导盲犬:统计学家普遍的共识，p<0.05的时候，自变量对预测y才有用.

→开始→条件格式

→突出显示单元格规则→小于→0.05→确定

为了预测更加准确，这里还需考虑多重共线性，利用半相关矩阵检查。

导盲犬：如果说两个或多个自变量是高度相关的，很可能产生多重共线性。

→返回数据源→数据→数据分析→相关系数→确定

→输入区域(除预测值外的所有数据）→标志位于第一行→确定

→开始→条件格式→突出显示单元格规则

→大于→0.998→确定

→删除字段下单父订单数、无线端支付父订单数。

导盲犬：所谓多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。

→源数据→数据→数据分析→回归→确定

→观察R方与P值

导盲犬：所有自变量共同作用具有显著性的结论，通俗的讲，只有R方大于0.6的时候，预测y才有意义。

→选中所有变量的P值→开始→条件格式→突出显示单元格规则→小于

→0.05→确定→删除其它P值>0.5的变量

→源数据→数据→数据分析→回归→确定

→Y值所在区域：预测值所在列的第一行开始至最后一行；X值所在区域：其余变量所在列的第一行开始至最后一行→勾选标志→确定

→观察R值和P值，均符合要求。

→得出公示：预测值无线端下单金额=-84341.91323+无线端下单买家数*365.259139-392.2248391*无线端支付买家数+1.200575347*无线端支付金额

导盲犬：Intercept为截距的意思。

→返回测试集验证

通过验证发现预测的点跟测试集的点高度吻合，该模型可以使用。

预测是商业分析的核心，企业之所以能产生利润主要就是因为企业获得了信息差，而预测就是帮助企业创造信息差。因此，预测能力是最能体现数据分析师价值的点。

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

大家好，我是小陆，今天给大家科普一下机械表误差标准，接下来小陆给大家解答一下是否所有走时手表都不存在误差：

误区.许多使用过石英表的亲都认为石英手表不存在误差吗？

小OU 解答：永远分秒不差的手表实际是不存在的，无论机械表还是石英表都有一个误差范围，而这范围因国家和地区不同而不同，一般来讲，机械表（包括自动机械表）只要在上满弦的情况下，走时每天慢不超过30秒，快不超过30秒就基本符合标准，石英表则是在电池电量充足的情况下，快慢均不超过0.5秒，则符合标准。因此，无论是机械表，还是石英表，只要误差在上述两个标准范围内，我们就可以说，手表走时是合格的。反之，则说明手表走时有问题，须拿到维修、保养部门调校。

接下来小陆给大家讲解一下机械表走时标准是什么？

目前我国尚无钟表质量的国家标准，截止2013年执行的是1991年制订的行业标准。

对于钟表的走时误差，现行行标中规定：

日历机械手表I型（男表）走时瞬间误差范围为：优等品每24小时误差－30～+45秒；一等品每24小时误差－40～+75秒；合格品每24小时误差－60～+105秒。延续走时均大于等于36小时。

日历机械手表II型（中型表）走时瞬间误差范围为：优等品每24小时误差－35～+65秒；一等品每24小时误差－50～+95秒；合格品的走时瞬间误差范围为每24小时误差－70～+135秒。延续走时均大于等于35小时。

日历机械手表III型（坤表）走时瞬间误差范围为：优等品每24小时误差－40～+85秒；一等品每24小时误差－60～+115秒；合格品每24小时误差－80～+165秒。延续走时均大于等于34小时。

自动机械手表I型（男表）走时瞬间误差范围为：优等品每24小时误差－20～+30秒；一等品每24小时误差－30～+60秒；合格品每24小时误差－50～+90秒。延续走时均大于等于36小时。

自动机械手表II型（中型表）走时瞬间误差范围为：优等品每24小时误差－25～+50秒；一等品每24小时误差－40～+80秒；合格品每24小时误差－60～+120秒。延续走时均大于等于30小时。

自动机械手表III型（坤表）走时瞬间误差范围为：优等品每24小时误差－30～+70秒；一等品每24小时误差－50～+100秒；合格品每24小时误差－70～+150秒。延续走时均大于等于28小时。

石英表不分型号，走时瞬间误差范围为：优等品每24小时误差－0．5～+0．5秒；一等品每24小时误差－1．0～+1．0秒；合格品每24小时误差－1．5～+1．5秒。

从上述标准中，可以看出，石英表由于是电子控制，所以走时精确度较高，而机械表由于机械摆动原理走时，故它的走时精确度相对要差些。另外，机械表越大，走时精确度越高，反之，越小则精确度越低。

造成自动机械表走时不准的主要原因有两个，一是表本身的质量问题，如自动上弦失灵、摆锤失灵等都可以造成走时不准；二是消费者使用的问题。前者可以通过国家有关检测部门的检测得出结论，如属于质量问题，商家必须按规定退、换、维修。

以及受磁之后对内部零件的影响，也会造成误差变大。

感谢您的阅读，我是小陆

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）