2017年最全的excel函数大全13—兼容性函数(上)

上次给大家分享了《2017年最全的excel函数大全12—工程函数(下)》,这次分享给大家兼容性函数(上),如果你使用的是 Excel 2007,则可以在“公式”选项卡上的统计或数学与三角函数类别中找到这些函数。

BETADIST 函数

描述

返回累积 beta 概率密度函数。 Beta 分布通常用于研究样本中一定部分的变化情况,例如,人们一天中看电视的时间比率。

有关新函数的详细信息,请参考 BETA.DIST 函数。

用法

BETADIST(x,alpha,beta,[A],[B])

BETADIST 函数用法具有以下参数:

  • X    必需。 用来计算其函数的值,介于值 A B 之间。

  • Alpha    必需。 分布参数。

  • Beta    必需。 分布参数。

  • A    可选。 x 所属区间的下界。

  • B    可选。 x 所属区间的上界。

备注

  • 如果任何一个参数是非数值型,则 BETADIST 返回 #VALUE! 错误值。

  • 如果 alpha ≤ 0 beta ≤ 0,则 BETADIST 返回 #NUM! 错误值。

  • 如果 x < Ax > B A = B,则 BETADIST 返回 #NUM! 错误值。

  • 如果省略 A B 值,则 BETADIST 使用标准的累积 beta 分布,即 A = 0B = 1

案例

 BETAINV 函数

描述

返回指定 beta 分布的累积 beta 概率密度函数的反函数。 也就是说,如果 probability = BETADIST(x,...),则 BETAINV(probability,...) = x beta 分布函数可用于项目设计,在已知预期的完成时间和变化参数后,模拟可能的完成时间。

有关新函数的详细信息,请参考 BETA.INV 函数。

用法

BETAINV(probability,alpha,beta,[A],[B])

BETAINV 函数用法具有以下参数:

  • Probability    必需。 beta 分布相关的概率。

  • Alpha    必需。 分布参数。

  • Beta    必需。 分布参数。

  • A    可选。 x 所属区间的下界。

  • B    可选。 x 所属区间的上界。

备注

  • 如果任何一个参数是非数值型,则 BETAINV 返回 #VALUE! 错误值。

  • 如果 alpha ≤ 0 beta ≤ 0,则 BETAINV 返回 #NUM! 错误值。

  • 如果 probability ≤ 0 probability > 1,则 BETAINV 返回 #NUM! 错误值。

  • 如果省略 A B 值,则 BETAINV 使用标准的累积 beta 分布,即 A = 0B = 1

如果已给定概率值,则 BETAINV 使用 BETADIST(x, alpha, beta, A, B) = probability 求解数值 x 因此,BETAINV 的精度取决于 BETADIST 的精度。

案例

BINOMDIST 函数

描述

返回一元二项式分布的概率。 BINOMDIST 用于处理固定次数的试验或实验问题,前提是任意试验的结果仅为成功或失败两种情况,实验是独立实验,且在整个试验过程中成功的概率固定不变。 例如,BINOMDIST 可以计算三个即将出生的婴儿中两个是男孩的概率。

有关新函数的详细信息,请参考 BINOM.DIST 函数。

用法

BINOMDIST(number_s,trials,probability_s,cumulative)

BINOMDIST 函数用法具有以下参数:

  • Number_s    必需。 试验的成功次数。

  • Trials    必需。 独立试验次数。

  • Probability_s    必需。 每次试验成功的概率。

  • Cumulative    必需。 决定函数形式的逻辑值。 如果 cumulative TRUE,则 BINOMDIST 返回累积分布函数,即最多存在 number_s 次成功的概率;如果为 FALSE,则返回概率密度函数,即存在 number_s 次成功的概率。

备注

  • Number_s trials 将被截尾取整。

  • 如果 number_strials probability_s 是非数值型,则 BINOMDIST 返回 #VALUE! 错误值。

  • 如果 number_s < 0 number_s > trials,则 BINOMDIST 返回 #NUM! 错误值。

  • 如果 probability_s < 0 probability_s > 1,则 BINOMDIST 返回 #NUM! 错误值。

  • 如果 x = number_sn = trials p = probability_s,则二项概率质量函数为:

 

其中:

 

等于 COMBIN(n,x)

  • 如果 x = number_sn = trials p = probability_s,则累积二项分布为:

 

案例

CHIDIST 函数

描述

返回 χ2 分布的右尾概率。 χ2 分布与 χ2 测试相关联。 使用 χ2 测试可比较观察值和预期值。 例如,某项遗传学实验可能假设下一代植物将呈现出某一组颜色。 通过使用该函数比较观察结果和理论值,可以确定初始假设是否有效。

有关新函数的详细信息,请参考 CHISQ.DIST 函数和CHISQ.DIST.RT 函数。

用法

CHIDIST(x,deg_freedom)

CHIDIST 函数用法具有以下参数:

  • X    必需。 用来计算分布的数值。

  • Deg_freedom    必需。 自由度数。

备注

  • 如果任何一个参数是非数值型,则 CHIDIST 返回 #VALUE! 错误值。

  • 如果 x 为负值,CHIDIST 返回 #NUM! 错误值。

  • 如果 deg_freedom 不是整数,则将被截尾取整。

  • 如果 deg_freedom < 1 deg_freedom > 10^10,则 CHIDIST 返回 #NUM! 错误值。

  • CHIDIST 的计算公式为 CHIDIST = P(X>x),其中 X χ2 随机变量。

案例

CHIINV 函数

描述

返回 χ2 分布的右尾概率的反函数。 如果 probability = CHIDIST(x,...),则 CHIINV(probability,...) = x 使用此函数可比较观察结果与理论值,以确定初始假设是否有效。

有关新函数的详细信息,请参考CHISQ.INV 函数和 CHISQ.INV.RT 函数。

用法

CHIINV(probability,deg_freedom)

CHIINV 函数用法具有以下参数:

  • Probability    必需。 χ2 分布相关联的概率。

  • Deg_freedom    必需。 自由度数。

说明

  • 如果任何一个参数是非数值型,则 CHIINV 返回 #VALUE! 错误值。

  • 如果 probability < 0 probability > 1,则 CHIINV 返回 #NUM! 错误值。

  • 如果 deg_freedom 不是整数,则将被截尾取整。

  • 如果 deg_freedom < 1,则 CHIINV 返回 #NUM! 错误值。

如果已给定概率值,则 CHIINV 使用 CHIDIST(x, deg_freedom) = probability 求解数值 x 因此,CHIINV 的精度取决于 CHIDIST 的精度。 CHIINV 使用迭代搜索技术。 如果搜索在 100 次迭代之后没有收敛,则函数返回错误值 #N/A

案例

CHITEST 函数

描述

返回独立性检验值。 CHITEST 返回卡方 (χ2) 分布的统计值和相应的自由度数。 您可以使用 χ2 检验值确定假设结果是否经过实验验证。

有关新函数的详细信息,请参考 CHISQ.TEST 函数。

用法

CHITEST(actual_range,expected_range)

CHITEST 函数用法具有以下参数:

  • Actual_range    必需。 包含观察值的数据区域,用于检验预期值。

  • Expected_range    必需。 包含行列汇总的乘积与总计值之比率的数据区域。

备注

  • 如果 actual_range expected_range 数据点的个数不同,则函数 CHITEST 返回错误值 #N/A

  • χ2 检验首先使用下面的公式计算 χ2 统计:

 

其中:

Aij = i 行、第 j 列的实际频率

Eij = i 行、第 j 列的预期频率

r = 行数

c = 列数

  • χ2 低值是独立性的指示器。 从公式中可看出,χ2 始终为正数或 0,且仅当每个 i,j Aij = Eij 时为 0

  • CHITEST 返回在独立的假设条件下,χ2 统计的值偶然发生与以上公式计算出的值至少一样高的概率。 在计算此概率时,CHITEST χ2 分布与相应自由度 (df) 一起使用。 如果 r > 1 c > 1,则 df = (r - 1)(c - 1) 如果 r = 1 c > 1,则 df = c - 1,或者如果 r > 1 c = 1,则 df = r - 1 不允许 r = c= 1,将返回 #N/A

  • Eij 不会太小时,最适合使用 CHITEST 某些统计人员建议每个 Eij 应该大于或等于 5

案例

CONCATENATE 函数

描述

使用 CONCATENATE(其中一个文本函数)将两个或多个文本字符串联接为一个字符串。

用法

CONCATENATE(text1, [text2], ...)

例如:

  • =CONCATENATE("Stream population for ", A2, " ", A3, " is ", A4, "/mile")

  • =CONCATENATE(B2, " ", C2)

 

案例

常见问题 

最佳做法

CONFIDENCE 函数

说明

使用正态分布返回总体平均值的置信区间。

置信区间为某一范围的值。 样本平均值 x 位于此范围的中心,此范围为 x ± CONFIDENCE 例如,如果 x 是通过邮件订购的产品交付时间的样本平均值,x ± CONFIDENCE 为总体平均值范围。 对于在此范围中的任意总体平均值 μ0,从 μ0 而非 x 中获取样本平均值的概率大于 alpha;对于不在此范围内的任意总体平均值 μ0,从 μ0 而非 x 中获取样本平均值的概率小于 alpha 换言之,假设我们使用 xstandard_dev 和字号在显著性水平 alpha 上构建一个双尾测试,其中假设总体平均值为 μ0 则如果 μ0 处于置信区间,我们将不会拒绝该假设;如果 μ0 未处于置信区间,则将拒绝该假设。 置信区间无法使我们推断出概率 1 - alpha,即我们的下一个包的发送时间处于置信区间内。

有关新函数的详细信息,请参考 CONFIDENCE.NORM 函数和 CONFIDENCE.T 函数。

用法

CONFIDENCE(alpha,standard_dev,size)

CONFIDENCE 函数用法具有下列参数:

  • Alpha    必需。 用来计算置信水平的显著性水平。 置信水平等于 100*(1 - alpha)%,亦即,如果 alpha 0.05,则置信水平为 95%

  • standard_dev    必需。 数据区域的总体标准偏差,假定为已知。

  • 大小    必需。 样本大小。

备注

  • 如果任一参数为非数值,则 CONFIDENCE 返回 #VALUE! 错误值 #REF!

  • 如果 Alpha ≤ 0 ≥ 1,则 CONFIDENCE 返回 #NUM! 错误值 #REF!

  • 如果 standard_dev ≤ 0,则 CONFIDENCE 返回 #NUM! 错误值 #REF!

  • 如果 Size 不是整数,将被截尾取整。

  • 如果 Size < 1,则 CONFIDENCE 返回 #NUM! 错误值 #REF!

  • 如果假设 Alpha 等于 0.05,则需要计算等于 (1 - alpha) 95% 的标准正态分布曲线之下的面积。 其面积值为 ±1.96 因此置信区间为:

 

案例

COVAR 函数

描述

返回协方差,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。

有关新函数的详细信息,请参考 COVARIANCE.P 函数和 COVARIANCE.S 函数。

用法

COVAR(array1,array2)

COVAR 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 array2 所含数据点的个数不等,则函数 COVAR 返回错误值 #N/A

  • 如果 array1 array2 当中有一个为空,则函数 COVAR 返回错误值 错误值 #NUM!

  • 协方差计算公式为

 

其中

 

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

案例

CRITBINOM 函数

描述

返回一个数值,它是使得累积二项式分布的函数值大于等于临界值的最小整数。 此函数可用于质量检验。 例如,使用 CRITBINOM 来决定装配线上整批产品达到检验合格所允许的最多残次品个数。

有关新函数的详细信息,请参考 BINOM.INV 函数。

用法

CRITBINOM(trials,probability_s,alpha)

CRITBINOM 函数用法具有下列参数:

  • Trials    必需。 贝努利试验次数。

  • Probability_s    必需。 一次试验中成功的概率。

  • Alpha    必需。 临界值。

备注

  • 如果任一参数为非数值型,则 CRITBINOM 返回错误值 #VALUE!

  • 如果 trials 不是整数,将被截尾取整。

  • 如果 trials < 0,则 CRITBINOM 返回 错误值 #NUM!

  • 如果 probability_s < 0 probability_s > 1,则 CRITBINOM 返回 错误值 #NUM!

  • 如果 alpha < 0 alpha > 1,则 CRITBINOM 返回 错误值 #NUM!

案例

 以上是所有EXCEL的兼容性函数(上)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的兼容性函数(上)。


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,088评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,715评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,361评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,099评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 60,987评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,063评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,486评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,175评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,440评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,518评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,305评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,190评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,550评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,880评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,152评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,451评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,637评论 2 335

推荐阅读更多精彩内容