操作步骤

　　1. 打开原始数据表格，制作本实例的原始数据需要满足两组或两组以上的数据，结果将给出其中任意两项的相关系数。

　　2. 选择“工具”-“数据分析”-“描述统计”后，出现属性设置框，依次选择:

　　输入区域:选择数据区域，注意需要满足至少两组数据。如果有数据标志，注意同时勾选下方“标志位于第一行”；

　　分组方式:指示输入区域中的数据是按行还是按列考虑，请根据原数据格式选择；

　　输出区域可以选择本表、新工作表组或是新工作簿；

　　3.点击“确定”即可看到生成的报表。

　　可以看到，在相应区域生成了一个3×3的矩阵，数据项目的交叉处就是其相关系数。显然，数据与本身是完全相关的，相关系数在对角线上显示为1；两组数据间在矩阵上有两个位置，它们是相同的，故右上侧重复部分不显示数据。左下侧相应位置分别是温度与压力A、B和两组压力数据间的相关系数。

　　从数据统计结论可以看出，温度与压力A、B的相关性分别达到了0.95和0.94，这说明它们呈现良好的正相关性，而两组压力数据间的相关性达到了0.998，这说明在不同反应器内的相同条件下反应一致性很好，可以忽略因为更换反应器造成的系统误差。

　　协方差的统计与相关系数的活的方法相似，统计结果同样返回一个输出表和一个矩阵，分别表示每对测量值变量之间的相关系数和协方差。不同之处在于相关系数的取值在 -1 和 +1 之间，而协方差没有限定的取值范围。相关系数和协方差都是描述两个变量离散程度的指标。

（本文内容由百度知道网友我是来吓宝宝的贡献）

投资组合收益

比方说，在投资组合中的两资产收益是R一和R二。同时，假设两资产权重的组合W一和W二。值得注意的是，在投资组合中的资产的权重之和为1。从投资组合的回报率会从两资产收益的加权平均值，如下图所示：

RP= w一R一W二R二

让我们以一个简单的例子。你投资60000美元资产的1，产生了20%的收益和40000美元的资产2，产生12%的回报。这两种资产的权重分别为40%和60%。

投资组合的回报率会：

RP= 0.60*20% + 0.40*12% = 16.8%

投资组合的风险

现在让我们来看看如何计算投资组合的风险。一个投资组合的风险是用投资组合的标准差衡量。然而，投资组合的标准差不能简单地对两种资产的标准差的加权平均。我们还需要考虑资产之间的协方差或相关。协方差反映了两资产收益的联动。除非两资产完全相关，协方差都将在投资组合的整体风险降低的影响。

投资组合的标准差可以计算如下：

在上面的例子中，我们说这两种资产的标准偏差分别为10和16，且两资产之间的相关系数是1。投资组合的标准差的计算如下：

在P= Sqrt(0.6^2*10^2 + 0.4^2*16^2 + 2*(-1)*0.6*0.4*10*16) = 0.4

相关Covariance

你可以看到，可以使用协方差或相关系数计算的标准偏差。两者之间的关系如下图所示：

在这个例子中，我们采取了一个简单的两资产在投资组合中增加然而组合资产的数量，是复杂的，我们将不得不考虑每对组合资产之间的协方差增加。对于一个三的资产组合，风险与收益将计算如下：

计算可以通过方程的形式表示的简化公式。一个资产组合的公式可以表示为：

值得注意的是，计算中有没有矩阵。第一个是在投资组合中的资产权重的一维矩阵。第二矩阵称为方差-协方差矩阵和资产的方差和协方差的对角元素和其他元素。第三矩阵的转置矩阵的第一。三矩阵相乘给我们投资组合的方差。在微软Excel中，您可以使用mmult函数执行矩阵乘法。

这种形式的方差的计算可以很容易地扩展到许多资产是我们想要的。

让我们用资产权重以三的资产组合为0.3，0.4，和0.3。方差-协方差矩阵如下：

投资组合的方差可以计算如下：

　　excel表格就是在计算机上运行的，“求和不一致”的产生应该是excel计算结果与计算器计算结果不一致。

　　产生原因：数字的实际小数位数与excel表格中显示的位数不一致。

　　例如，在计算金额时，数量×单价=金额，15.37*4.25=65.3225元，但单元格实际显示一般为65.32或65，在默认情况下，excel计算是按数字的实际大小来计算的，当多个金额再进行求和时，误差就有被放大的可能。

　　解决方法：①通过设置，使excel表格计算以显示精度为准，“文件”→“选项”→“高级”→勾选“将精度设为所显示的精度”；

　　②使用round函数修约数字位数，=round(数字/公式，小数位数）。

（本文内容由百度知道网友第七次要分贡献）

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。

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

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

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！

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）

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）