Excel几乎每个人的电脑中都有。但真不是每个人都能驾驭，他非常强大，大家在日常生活中可以慢慢积累，不懂的可以关注小编，可以让你深深感受到excel的神奇魅力！

技巧1、单元格内强制换行

在单元格中某个字符后按alt+回车键，即可强制把光标换到下一行中。

技巧2、锁定标题行

选取第2行，视图 - 冻结窗格 - 冻结首行（或选取第2行 - 冻结窗格）冻结后再向下翻看时标题行始终显示在最上面。

技巧3、查找重复值

选取数据区域 - 开始 - 条件格式 - 突出显示单元格规则 - 重复值。

技巧4、快速插入多行

先选中多行表格，然后点击插入单元格，你会发现你拖多少行，就会插入多少个空行。这种插入方法比选取一定数量的行再插入更加灵活。

技巧5、用“&”合并单元格

在Excel中，“&”指将两个或两个以上的文本合并。

技巧6、excel表格格式的转换

很多时候我们需要将excel表格进行格式转换，但是没有什么好用的方法，其实使用迅捷pdf在线转换器就可以轻松解决各种文件格式之间的转换问题。

好了今天关于excel的使用技巧的介绍就到这了，小编每天准时给你带来干货，关注不迷路哈。

喜欢本文的，记得点赞，评论和转发哟！

好了今天关于excel的使用技巧的介绍就到这了，小编每天准时给你带来干货，关注不迷路哈。

喜欢本文的，记得点赞，评论和转发哟！

自Excel2013起，插入菜单中新增了一个功能：日程表。单击它后会弹出一个连接的界面，接下来大多数人都不道怎么进行下去，最后不知道该怎么操作了 只能关闭。

今天我带大家探索这个神秘的功能

在使用含日期的Excel表格时，经常需要按日期进行筛选，比如筛选2018年3~6月的收入额情况，在表格或数据透视表中我们是这样操作的基本靠筛选：

是不是感觉有点麻烦？其实，如果我们用日程表，这个工作将变得非常简单：我们首先点击插入-数据透视表选择A和B两列点击确定

然后在选择日期和收入额，当然还可以选择多个，我这只是举例所以就只选择这两列

在点击分析插入日程表选择日期

他有哪些作用呢？点击相应月份的滑条，可以快速切换月份，拖动滑条，可以快速按月份区间筛选：

按月份组合后，演示更直观，日程表还可以在“年、季度、月、日”之间切换：

在日程表工具栏中，还可以选择显示项目和颜色：

日程表不是“工作安排表”，而是数据透视表中的日期筛选工具而已。不过，它确实很好用！

下面为各种产品1~9月份的出口数据。由于数据太多，很难看出每个产品一年来的数量变化情况。

我们可以借助2个excel工具，表格马上变得直观起来。（2010以前版本无法使用）

条件格式的色阶

根据颜色深浅，可以很清晰的看出某种产品在一年中的出口变化情况。

制作演示：

迷你图

同样，通过在单元格中添加微型折线图，同样可以看出每一种产品在一年中的出口变化情况。

制作演示：

这两个Excel小技巧适合数据分析新手，很简单的操作就能让表格变得漂亮且实用，领导看了肯定以为你用了多么多么高深的功能。所以同学们一定要学会，有机会在领导面前露一手。

这里有

全国各个省份的AICPA学习交流群

还有备考群、留学群、福利群....

“所有人，都不知道，我月薪20万。”

2018年各大城市人才遭“疯抢”：最高300万补贴，你的学历和证书值多少钱？

任正非苦心劝诫90后：那些“待遇很好”的创业公司，千万不要碰

马伊琍怒怼考生“你的鼻子整得疼吗”：格局有多大，气场就有多大

USCPA重磅消息！关岛考试中心地点变更通知（文末福利）

欢迎来到：德勤的富士康工厂

47岁马化腾2950亿登顶华人首富：决定人生高度的，不是智力，而是体力

上次给大家分享了《2017年最全的excel函数大全14—统计函数（3）》，这次分享给大家统计函数（4）。

FORECAST.ETS.CONFINT 函数

说明

返回指定目标日期预测值的置信区间。 95% 的置信区间意味着 95% 的未来点预计将处于 FORECAST.ETS 预期结果中的此范围内（使用正态分布）。 使用置信区间可以帮助掌握预测模型的准确度。较小的区间意味着在针对此特定点的预测中有更多置信。

用法

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

FORECAST.ETS.CONFINT 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/时间或数字。 如果目标日期在历史时间线结束前按时间顺序排序，则 FORECAST.ETS.CONFINT 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.CONFINT 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.CONFINT 将返回 #NUM! 错误。 如果时间线包含重复值，则 FORECAST.ETS.CONFINT 将返回 #VALUE! 错误。 如果时间线和值的范围大小不同，则 FORECAST.ETS.CONFINT 将返回 #N/A 错误。

confidence_level 可选。0 和 1 之间的一个数值（独占），指示计算置信区间的置信度。 例如，对于 90% 的置信区间，将计算 90% 置信度（90% 的未来点将处于此预测范围内）。 默认值为 95%。 对于 (0,1) 范围外的数值，FORECAST.ETS.CONFINT 将返回 #NUM! 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.CONFINT 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.CONFINT 支持最多 30% 的丢失数据，并会自动对其进行调整。 0 表示算法将缺少的点视为零。 通过将缺少的点算为邻接点的平均值，默认值 1 将计算缺少的点。

聚合可选。虽然时间线需要数据点之间的一致步长，但 FORECAST.ETS.CONFINT 会聚合具有相同时间戳的多个点。聚合参数是一个数值，指明要用于聚合具有相同时间戳的多个值的方法。默认值 0 将使用 AVERAGE，而其他选项为 SUM、COUNT、COUNTA、MIN、MAX、MEDIAN。

FORECAST.ETS.SEASONALITY 函数

说明

返回 Excel 针对指定时间系列检测到的重复模式的长度。 FORECAST.ETS.Seasonality 可用于FORECAST.ETS之后，确定已检测到的自动季节性和 FORECAST.ETS 使用的季节性。 虽然它可以独立于 FORECAST.ETS 使用，但鉴于相同的输入参数会影响数据完整性，函数会受到限制，因为在该函数中检测到的季节性与 FORECAST.ETS 使用的季节性相同。

用法

FORECAST.ETS.SEASONALITY(值, 时间线,[data_completion], [聚合])

FORECAST.ETS.SEASONALITY 函数用法具有下列参数：

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.SEASONALITY 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.SEASONALITY 将返回 #NUM! 错误。 如果时间线包含重复值，则 FORECAST.ETS.SEASONALITY 将返回 #VALUE! 错误。 如果时间线和值的范围大小不同，则 FORECAST.ETS.SEASONALITY 将返回 #N/A 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.SEASONALITY 支持最多 30% 的丢失数据，并会自动对其进行调整。 0 表示算法将缺少的点视为零。 通过将缺少的点算为邻接点的平均值，默认值 1 将计算缺少的点。聚合 可选。虽然时间线需要数据点之间的一致步长，但 FORECAST.ETS.SEASONALITY 会聚合具有相同时间戳的多个点。聚合参数是一个数值，指明要用于聚合具有相同时间戳的多个值的方法。默认值 0 将使用 AVERAGE，而其他选项为 SUM、COUNT、COUNTA、MIN、MAX、MEDIAN。

FORECAST.ETS.STAT 函数

说明

返回作为时间序列预测的结果的统计值。

统计值类型表明此函数请求的统计信息。

用法

FORECAST.ETS.STAT(值, 时间线, statistic_type, [季节性], [data_completion], [聚合])

FORECAST.ETS.STAT 函数用法具有以下参数：

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.STAT 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.STAT 将返回 #NUM! 错误。 如果时间线包含重复值，则 FORECAST.ETS.STAT 将返回 #VALUE! 错误。 如果时间线和值的范围大小不同，则 FORECAST.ETS.STAT 将返回 #N/A 错误。statistic_type 必需。 数字值介于1和8之间，指示哪些统计值将不会为计算预测返回。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.STAT 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.STAT 支持最多 30% 的丢失数据，并会自动对其进行调整。 0 表示算法将缺少的点视为零。 通过将缺少的点算为邻接点的平均值，默认值 1 将计算缺少的点。聚合 可选。虽然时间线需要数据点之间的一致步长，但 FORECAST.ETS.STAT 会聚合具有相同时间戳的多个点。聚合参数是一个数值，指明要用于聚合具有相同时间戳的多个值的方法。默认值 0 将使用 AVERAGE，而其他选项为 SUM、COUNT、COUNTA、MIN、MAX、MEDIAN。

下列可选的统计信息可以返回：

Alpha ets 算法的参数 返回参数较高值基值为最近的数据点的详细粗细。Beta ets 算法的参数 返回参数的趋势值较高值为最近的趋势的详细粗细。ets 算法的伽玛参数 返回参数 seasonality 值较高值为最近使用的季节性期间内的详细粗细。mase 跃点 返回绝对按比例缩放的错误平均值跃点数度量值预测的准确性。smape 跃点 返回绝对跃点数基于百分比错误的准确性度量值的百分比错误的对称平均值。mae 跃点 返回绝对跃点数基于百分比错误的准确性度量值的百分比错误的对称平均值。rmse 跃点 返回 根 平均值平方值错误跃点数预测和观察值之间的差异的度量。检测到步骤大小 返回历史时间线中检测到的步骤大小。

FORECAST.LINEAR 函数

说明

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

预测.线性( x , known _ y ' s , known _ x ' s )

FORECAST.LINEAR 函数用法具有以下参数：

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。

FREQUENCY 函数

说明

计算数值在某个区域内的出现频率，然后返回一个垂直数组。 例如，使用函数 FREQUENCY 可以在分数区域内计算测验分数的个数。 由于 FREQUENCY 返回一个数组，所以它必须以数组公式的形式输入。

用法

FREQUENCY(data_array, bins_array)

FREQUENCY 函数用法具有下列参数：

Data_array必需。 要对其频率进行计数的一组数值或对这组数值的引用。 如果 data_array 中不包含任何数值，则 FREQUENCY 返回一个零数组。Bins_array必需。 要将 data_array 中的值插入到的间隔数组或对间隔的引用。 如果 bins_array 中不包含任何数值，则 FREQUENCY 返回 data_array 中的元素个数。

备注

在选择了用于显示返回的分布结果的相邻单元格区域后，函数 FREQUENCY 应以数组公式的形式输入。返回的数组中的元素比 bins_array 中的元素多一个。 返回的数组中的额外元素返回最高的间隔以上的任何值的计数。 例如，在对输入到三个单元格中的三个值范围（间隔）进行计数时，确保将 FREQUENCY 输入到结果的四个单元格。 额外的单元格将返回 data_array 中大于第三个间隔值的值的数量。函数 FREQUENCY 将忽略空白单元格和文本。对于返回结果为数组的公式，必须以数组公式的形式输入。

案例

GAMMA 函数

说明

返回 gamma 函数值。

用法

GAMMA(number)

GAMMA 函数用法具有下列参数：

Number 必需。 返回一个数字。

备注

GAMMA 使用以下公式：

Г(N+1) = N * Г(N)如果 Number 为负整数或 0，则 GAMMA 返回 错误值 #NUM!。如果 Number 包含无效的字符，则 GAMMA 返回 错误值 #VALUE!。

案例

GAMMA.DIST 函数

说明

返回伽玛分布函数的函数值。 可以使用此函数来研究呈斜分布的变量。 伽玛分布通常用于排队分析。

用法

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

GAMMA.DIST 函数用法具有下列参数：

X必需。 用来计算分布的数值。Alpha必需。 分布参数。Beta必需。 分布参数。 如果 beta = 1，则 GAMMA.DIST 返回标准伽玛分布。Cumulative必需。 决定函数形式的逻辑值。 如果 cumulative 为 TRUE，则 GAMMA.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、alpha 或 beta 为非数值型，则 GAMMA.DIST 返回 错误值 #VALUE!。如果 x 0，则 GAMMA.DIST 返回 错误值 #NUM!。如果 alpha ≤ 0 或 beta ≤ 0，则 GAMMA.DIST 返回 错误值 #NUM!。伽玛概率密度函数的计算公式如下：

标准伽玛概率密度函数为：

当 alpha = 1 时，GAMMA.DIST 返回如下的指数分布：

对于正整数 n，当 alpha = n/2，beta = 2 且 cumulative = TRUE 时，GAMMA.DIST 以自由度 n 返回 (1 - CHISQ.DIST.RT(x))。当 alpha 为正整数时，GAMMA.DIST 也称为爱尔朗 (Erlang) 分布。

案例

GAMMA.INV 函数

说明

返回伽玛累积分布函数的反函数值。 如果 p = GAMMA.DIST(x,...)，则 GAMMA.INV(p,...) = x。 使用此函数可以研究有可能呈斜分布的变量。

用法

GAMMA.INV(probability,alpha,beta)

GAMMA.INV 函数用法具有下列参数：

Probability必需。 伽玛分布相关的概率。Alpha必需。 分布参数。Beta必需。分布参数。如果 beta = 1，则 GAMMA.INV 返回标准伽玛分布。

备注

如果任一参数为文本型，则 GAMMA.INV 返回 错误值 #VALUE!。如果 probability 0 或 probability 1，则 GAMMA.INV 返回 错误值 #NUM!。如果 alpha ≤ 0 或 beta ≤ 0，则 GAMMA.INV 返回 错误值 #NUM!。

如果已给定概率值，则 GAMMA.INV 使用 GAMMA.DIST(x, alpha, beta, TRUE) = probability 求解数值 x。 因此，GAMMA.INV 的精度取决于 GAMMA.DIST 的精度 GAMMA.INV 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

GAMMALN 函数

说明

返回伽玛函数的自然对数，Γ(x)。

用法

GAMMALN(x)

GAMMALN 函数用法具有下列参数：

X必需。 要计算其 GAMMALN 的数值。

备注

如果 x 为非数值型，则 GAMMALN 返回 错误值 #VALUE!。如果 x ≤ 0，则 GAMMALN 返回 错误值 #NUM!。数字 e 的 GAMMALN(i) 次幂的返回值与 (i - 1)! 的结果相同，其中 i 为整数。GAMMALN 的公式为：

其中：

案例

GAMMALN.PRECISE 函数

说明

返回伽玛函数的自然对数，Γ(x)。

用法

GAMMALN.PRECISE(x)

GAMMALN.PRECISE 函数用法具有下列参数：

X必需。 要计算其 GAMMALN.PRECISE 的数值。

备注

如果 x 为非数值型，则 GAMMALN.PRECISE 返回 错误值 #VALUE!。如果 x ≤ 0，则 GAMMALN.PRECISE 返回 错误值 #NUM!。数字 e 的 GAMMALN.PRECISE(i) 次幂返回与 (i-1)! 相同的结果，其中 i 为整数。GAMMALN.PRECISE 计算公式如下：

GAMMALN.PRECISE=LN(Γ(x))

其中：

案例

GAUSS 函数

说明

计算标准正态总体的成员处于平均值与平均值的 z 倍标准偏差之间的概率。

用法

GAUSS(z)

GAUSS 函数用法具有下列参数：

z 必需。返回一个数字。

备注

如果 z 不是有效数字，GAUSS 返回 错误值 #NUM!。如果 z 不是有效数据类型，GAUSS 返回 错误值 #VALUE!。因为 NORM.S.DIST(0,True) 总是返回 0.5，所以 GAUSS (z) 将总是等于 NORM.S.DIST(z,True) - 0.5。

案例

GEOMEAN 函数

说明

返回一组正数数据或正数数据区域的几何平均值。 例如，可以使用 GEOMEAN 计算可变复利的平均增长率。

用法

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

GEOMEAN 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。 用于计算平均值的 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�...

马上就要2018年了，最近有很多的商家找我要关于2018年的年度规划表格，其实，每个人的店铺基本上都有自己的特性，别人的计划不一定适合你的，所以我基本上也不会给别人自己的年度计划，因为很容易误导对方，在我的新书《玩赚淘宝数据分析》中我写了这个内容，可是这本书目前还在出版社审核，要明年才能正式出版，为了让解大家燃眉之急，特意从书中摘抄一小段供参加参考如何去做2018年的 年度规划

我做了六年的淘宝运营工作，发现了很多的商家在做淘宝的时候从来都没有去考虑过年销售的规划，他们每天都到处在想着怎么去弄到流量，怎么去研究最新的获取流量的方法，怎样找到黑车或者黑搜索的淘宝系统漏洞等等。随心所欲，随机而动

其实，如果没有做全店的年销售额规划，就好比你在大海中没有方向的划船，你虽然用尽了所有的力气在划，但是，你可能永远都到达不了你想要的目的，甚至你可能会在阴沟里翻了船把自己淹死。

没有规划，你就会像无头苍蝇一样的胡乱行动，你永远都是在明天重复今天的事情，明年重复今年的事情，所有的事情都不在自己的掌控之中。 你有一种听天由命的感觉，所以你总会感觉做淘宝有时候就是完全靠运气，能不能起来就看运气够不够，运气够了自然就起来，运气不够就起不来。

无规划的人生就像随波逐流的船，这样今日不知明日事的漂泊其实只会让你非常的累和没有效果。因此，我们做淘宝是必须要做好规划。这一节，我们以年销售额来案例来规划一个店铺应该如何的去做好规划，让我们有方向的行动。

我们要做全店的销售计划，首先我们脑中要有一个框架图，就是我们需要做哪些东西的规划，这个是没有固定的，根据你的目的来决定，例如，最常见的销售规划可能都会包含，销售，成本，利润这三个大的方面。而在我们淘宝的销售额中，可能又会包含所需UV，平均转化率，平均客单价，日均销量，日均流量等小的方面，成本可能又会包含推广费用，人员开支，办公成本，物流费用等多个小的方面

因此我们就以这三个大的方面和多个小的方面来构建一个框架图，如下图所示，根据你的目的在Excel中构建你的规划图。

当我们把大概的思维规划图绘制出来之后，我们需要的就是完善这个表格中的空白地区的数据。要把每一个数据都填写进去。

我们先从销售额开始。我们应该如何去规划1-12月份的销售额？这是需要我们预估的，但是预估我们不能一拍脑袋就决定，不能心里想着要做到多少销售额就填写多少销售额，这个需要根据实际情况和规律去预测和评估。当然，这个预估的方法是有很多的，不同的情况下使用的方法不一样，但是最常见的可能就是根据历史数据来预估。

例如，我们现在要做2018年的销售额规划，那么我们就可以根据2016年和2017年的历史数据来预估2018的数据。

2016年和2017年是过去年，这个是有实际销售额数据的，你可以在生意参谋或者生e经调取这个数据，现在我们要预测2018年的销售额，我们只需要掌握同比增长率和环比增长率这个概念就可以了。

环比增长率=（本期的某个指标的值-上一期这个指标的值）/上一期这个指标的值*100%。

例如，2017年1月份销售额的环比增长率=（2017年1月份的销售额-2016年12月份的销售）/2016年12月份的销售额

2017年2月份的环比增长率=（2017年2月份的销售额-2017年1月份的销售）/2017年1月份的销售额

…………

以此类推

同比增长率=（当年的指标值-去年同期的值）÷去年同期的值*100%

例如，2017年1月份销售额的同比增长率=（2017年1月份的销售额-2016年1月份的销售额）/2016年1月份的销售额

2017年2月份销售额的同比增长率=（2017年2月份的销售额-2016年2月份的销售额）/2016年2月份的销售额

…………

以此类推

当我们知道了2017年的环比增长率和同比增长率的时候，我们就可以根据17年的环比增长率和同比增长率去推算和预估2018年的预估销售额。我们可以假设2018年的同比增长率以及环比增长率和2017年的同比增长率和环比增长率相同，然后根据这个假设的结构去预估推算2018年的销售额。

根据环比增长率去推算2018年的预估销售额：本期的数据=上一期的数据*环比增长率+上一期的数据

2018年1月份的预估销售额=2017年12月份的销售*2017年1月份的环比增长率+2017年12月份的销售额

2018年2月份的预估销售额=2017年2月份的销售*2017年2月份的环比增长率+2018年1月份的销售额

…………

以此类推

根据同比增长率去推算2018年的预估销售额：本期的数据=去年同期的值*同比增长率+去年同期的值

2018年1月份的预估销售额=2017年1月份的销售额*2017年1月份的同比增长率+2017年1月份的销售额

2018年2月份的预估销售额=2017年2月份的销售额*2017年2月份的同比增长率+2017年2月份的销售额

…………

以此类推

这样，我们2018年1-12月份的预估销售额就大概算出来了，但是这个算的是两个结果，因为一个是根据同比计算的，一个是根据环比计算的，那么我们到底该取哪个值呢？

这个时候要根据实际情况来决定，如果你觉得未来更加的符合环比计算的结果，那么你就可以选择环比计算结果，如果你觉得未来更加的符合同比计算的结果，那么你就可以选择同比计算的结果，如果这两个结果差距不是很大，那么你也可以取这两个值的平均值，具体要根据实际情况去参考，记住，我们做数据分析是要建立实际情况下的，脱离了实际情况，一切数据都失去了参考价值和依据。

把销售额预估填完之后，我们接下来就要填写所需uv，也就是说，要做到这个预估的销售额，我们需要多少访客数。

根据销售额=访客数*转化率*客单价，可以得出访客数=销售额/（转化率*客单价）

所以现在我们只需要知道转化率和客单价就可以知道了所需访客数是多少了，而正好我们也需要知道平均访客数和平均客单价是多少。要知道每一个月的平均转化率和平均客单价很简单，我们同样的可以参考2016年和2017年对应的月份的平均转化率和客单价，例如2016年1月份的转化率是1.5%，2017年1月份的转化率是1.8%，那么我们就可以假设2018年的转化率1.65%

当然，这里也是要根据实际情况去参考的，例如，我们2016年的转化率是1.5%，但是2017年的转化率是3%，当出现这种差别很大的情况的时候，我们就要先分析原因，我们要分析为什么2017年的转化率会高这么多，然后判定哪一个更加的接近平均值，我们就可以根据这个进行调整，假设我们2017年转化率3%是因为这一年我们的客单价比2016年低了很多，所以导致了转化率高了很多，这个时候，我们就要去分析2018年我们要做的客单价的是更加的接近2016年还是更加的接近2017年，然后根据这个结果去进行调整。

总之，你只需要做到一点，既要参考过去的历史数据，也要参考实际情况。

当我们根据过去的历史数据和实际情况预估了2018年的转化率和客单价之后，我们也就可以根据访客数=销售额/（转化率*客单价）这个公式计算出所需uv。

接下来我们只需要计算日均流量和日均销量即可。

日均流量很简单，我们已经计算出了每一个月所需的uv，那么把它除以每一个月的天数即可得出日均流量，1，3，5，7，8，10，,12这七个月除以31天，2月份除以28或者29天，其他的月份除以30天即可得出每一个月的日均所需流量。

日均销量也很简单，它就等于把每一个月的销量除以每一个月的天数，虽然我们这里没直接计算每一个月所需的销量，但是我们已经知道了每一个的预估销售额，而销售额=销量*客单价，所以每一个月的销量=销售额/客单价，所以日均销量=销售额/客单价/30天。

这样，销售额的数据就已经完善了，我们还需要完善费用。

知道了平均毛利润率之后，我们自然也就知道了总毛利额，即：总毛利额=总销售额*平均毛利润率

我们知道毛利润额，知道费用了，自然我们也就知道了净利润额，即：净利润额=总毛利额-推广费用-人员开支-物流费用-办公费用-其他成本。

接下来我们还需要把表格最上面的年度目标销售，总盈利 ，总投入，投资回报率，毛利率，净利润率这几个指标用公式完成。

年度目标销售额=SUM(E5:P5)，也就是说每一个月的预估销售额之和。

总盈利=SUM(E19:P19)，也就是说每一个月的预估净利润之和。

总投入=SUM(E11:P11, E13:P13, E14:P14, E15:P15, E16:P16)，也就是所有的费用之和。

投资回报率=H2/K2，也就是总盈利/总投入

毛利润率=总毛利润/总销售额

净利润率=总盈利/总销售额

把所有的数据都填写完成之后我们的规划工作大致就完成了，整个规划思路图就完善了起来，从这个表格中，你可以清楚的知道，根据目前的预算，我们大概能达到什么样的目的，做到多少年销售额，每一个月能做到，能带来多少的利润，每一个月能盈利多少，投资回报率有多少等等。

有了这个样的规划之后，你就可以清楚的知道你应该朝着哪个方向走，最后能达到什么样的效果，当每一个月没有完成目标预估的时候，你也可以轻易的知道哪一块出现了问题，是因为转化率没达到我们的预期还是因为流量不够，是因为直通占比太高导致了我们的净利润减少，还是因为毛利润率降低了导致我们的净利润减少等等，总之你不会再像无头的苍蝇一样胡乱的行动

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...

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《2018年最全的excel函数大全14—统计函数（6）》，这次分享给大家统计函数（7）。

PERCENTRANK.INC 函数

描述

将某个数值在数据集中的排位作为数据集的百分比值返回，此处的百分比值的范围为 0 到 1（含 0 和 1）。

此函数可用于计算值在数据集内的相对位置。 例如，可以使用 PERCENTRANK.INC 计算能力测试得分在所有测试得分中的位置。

用法

PERCENTRANK.INC(array,x,[significance])

PERCENTRANK.INC 函数用法具有下列参数：

Array必需。 定义相对位置的数值数组或数值数据区域。X必需。 需要得到其排位的值。significance可选。 用于标识返回的百分比值的有效位数的值。 如果省略，则 PERCENTRANK.INC 使用 3 位小数 (0.xxx)。

备注

如果数组为空，则 PERCENTRANK.INC 返回 错误值 #NUM!。如果 significance 1，则 PERCENTRANK.INC 返回 错误值 #NUM!。如果数组里没有与 x 相匹配的值，函数 PERCENTRANK.INC 将进行插值以返回正确的百分比排位。

案例

PERMUT 函数

描述

返回可从数字对象中选择的给定数目对象的排列数。 排列为对象或事件的任意集合或子集，内部顺序很重要。 排列与组合不同，组合的内部顺序并不重要。 此函数可用于彩票抽奖的概率计算。

用法

PERMUT(number, number_chosen)

PERMUT 函数用法具有下列参数：

Number必需。 表示对象个数的整数。Number_chosen必需。 表示每个排列中对象个数的整数。

备注

两个参数将被截尾取整。如果 number 或 number_chosen 是非数值的，则 PERMUT 返回 错误值 #VALUE!。如果 number ≤ 0 或 number_chosen 0，则 PERMUT 返回 错误值 #NUM!。如果 number number_chosen，则 PERMUT 返回 错误值 #NUM!。排列数的计算公式如下：

案例

PERMUTATIONA 函数

描述

返回可从对象总数中选择的给定数目对象（含重复）的排列数。

用法

PERMUTATIONA(number, number-chosen)

PERMUTATIONA 函数用法具有下列参数。

Number 必需。表示对象总数的整数。Number_chosen 必需。 表示每个排列中对象数目的整数。

PERMUTATIONA 使用下面的公式：

备注

两个参数将被截尾取整。如果数字参数值无效，例如，当总数为零 (0) 但所选数目大于零 (0)，则 PERMUTATIONA 返回错误值 #NUM! 。如果数字参数使用的是非数值数据类型，则 PERMUTATIONA 返回错误值 #VALUE! 。

案例

PHI 函数

描述

返回标准正态分布的密度函数值。

用法

PHI(x)

PHI 函数用法具有下列参数。

X 必需。 X 是所需的标准正态分布密度值。

备注

如果 x 是无效的数值，则 PHI 返回错误值 #NUM! 。如果 x 使用的是无效的数据类型，如非数值，则 PHI 返回错误值 #VALUE! 。

案例

POISSON.DIST 函数

描述

返回泊松分布。 泊松分布的一个常见应用是预测特定时间内的事件数，例如 1 分钟内到达收费停车场的汽车数。

用法

POISSON.DIST(x,mean,cumulative)

POISSON.DIST 函数用法具有下列参数：

X必需。 事件数。Mean必需。 期望值。cumulative必需。 一逻辑值，确定所返回的概率分布的形式。 如果 cumulative 为 TRUE，则 POISSON.DIST 返回发生的随机事件数在零（含零）和 x（含 x）之间的累积泊松概率；如果为 FALSE，则 POISSON 返回发生的事件数正好是 x 的泊松概率密度函数。

备注

如果 x 不是整数，将被截尾取整。如果 x 或 mean 是非数值的，则 POISSON.DIST 返回 错误值 #VALUE!。如果 x 0，则 POISSON.DIST 返回 错误值 #NUM!。如果 mean 0，则 POISSON.DIST 返回 错误值 #NUM!。函数 POISSON.DIST 的计算公式如下：

对于 cumulative = FALSE：

对于 cumulative = TRUE：

案例

PROB 函数

描述

返回区域中的数值落在指定区间内的概率。 如果未提供 upper_limit，则返回 x_range 中的值等于 lower_limit 的概率。

用法

PROB(x_range, prob_range, [lower_limit], [upper_limit])

PROB 函数用法具有下列参数：

X_range必需。 具有各自相应概率值的 x 数值区域。Prob_range必需。 与 x_range 中的值相关联的一组概率值。Lower_limit可选。 要计算其概率的数值下界。Upper_limit可选。 要计算其概率的可选数值上界。

备注

如果 prob_range 中的任意值 ≤ 0 或 1，则 PROB 返回 错误值 #NUM!。如果 prob_range 中所有值之和不等于 1，则 PROB 返回 错误值 #NUM!。如果省略 upper_limit，函数 PROB 返回值等于 lower_limit 时的概率。如果 x_range 和 prob_range 中的数据点个数不同，函数 PROB 返回错误值 #N/A。

案例

QUARTILE.EXC 函数

描述

基于 0 到 1 之间（不包括 0 和 1）的百分点值返回数据集的四分位数。

用法

QUARTILE.EXC(array,quart)

QUARTILE.EXC 函数用法具有下列参数：

Array必需。 要求得四分位数值的数组或数字型单元格区域。Quart必需。 指定返回哪一个值。

备注

如果 array 为空，则 QUARTILE.EXC 返回 错误值 #NUM!。如果 quart 不为整数，将被截尾取整。如果 quart ≤ 0 或 quart ≥ 4，则 QUARTILE.EXC 返回 错误值 #NUM!。当 quart 分别等于 0（零）、2 和 4 时，MIN、MEDIAN 和 MAX 返回的值与函数 QUARTILE.EXC 返回的值相同。

案例

QUARTILE.INC 函数

描述

根据 0 到 1 之间的百分点值（包含 0 和 1）返回数据集的四分位数。

四分位点通常用于销售和调查数据，以对总体进行分组。 例如，您可以使用 QUARTILE.INC 查找总体中前 25% 的收入值。

用法

QUARTILE.INC(array,quart)

QUARTILE.INC 函数用法具有下列参数：

Array必需。 要求得四分位数值的数组或数字型单元格区域。Quart必需。 指定返回哪一个值。

参数

备注

如果 array 为空，则 QUARTILE.INC 返回 错误值 #NUM!。如果 quart 不为整数，将被截尾取整。如果 quart 0 或 quart 4，则 QUARTILE.INC 返回 错误值 #NUM!。当 quart 分别等于 0（零）、2 和 4 时，函数 MIN、MEDIAN 和 MAX 返回的值与函数 QUARTILE.INC 返回的值相同。

案例

以上是所有EXCEL的统计函数（7）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（7）。

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）。

在利用AutoCAD2018绘图时，往往需要插入材料明细表等各种表格，有些表格甚至很复杂，如果在AutoCAD里编辑，会感觉很麻烦，效率很低。如果我们将这些表格在EXCELL中编辑好，然后插入到AutoCAD中，这样会极大的提高工作效率。本文以AutoCAD2018为例，分享AutoCAD2018插入Excel表格的过程：

一、准备一个Excel表格。

二、打开AutoCAD2018软件。

三、点插入表格命令，如下图所示：

四、打开插入表格对话框。

五、点选“自动数据链接”按钮，并找到刚才创建的Excel表格。

六、点“确定”后将表格插入CAD文档中。

七、当我们对Excel表格的内容进行修改时，AutoCAD2018会提示我们数据链接已更改。我们可以点“使用数据链接更新表格”。

八、这样，CAD文件中的表格也相应更新了。