الدوال الاحصائية كاملة بالشرح الدقيق
-----------------------------------------------
نقدم لكم شرح كامل وتفصيلى لكل الدالات الاحصائية من دولة الامارات العربية -ابو ظبى اعداد
محمد سيسكوم ومحمد عايش
-------------------------------------------------------------------------
Prepare By : Mohamed Aish & Mohamed Azam
Abu Dhabi – UAE
10 - 4 - 2009
الدالات الإحصائية وعددها 79 دالة
يوجد في الملف المرفق مثال لكل دالة
AVEDEV إرجاع متوسط الإنحرافات المطلقة لنقاط البيانات من الوسط الخاص بها AVEDEV عبارة عن مقياس التباين في مجموعة البيانات
الشكل العام
AVEDEV(number1;number2;...)=
متحولاته
من 1 إلى 30
نوع المتحولات
أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت الخلية على نص أو قيمة منطقية أو فراغ يتم تجاهل تلك القيم بالرغم من تضمين الخلايا التي تحتوي القيمة الصفرية في الحساب
يتأثر هذا التابع بوحدة القياس المستعملة في الخلايا
و هذه معادلة التابع
AVERAGE إرجاع متوسط الوسائط الخاصة بها ( المتوسط الحسابي )
الشكل العام
AVERAGE(number1;number2;...)=
متحولاته
من 1 إلى 30
نوع المتحولات
أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر
AVERAGEA إرجاع متوسط الوسائط الخاصة بها بما في ذلك الأرقام والنص والقيم المنطقية
AVERAGEA(value1;value2;...)=
متحولاته
من 1 إلى 30
نوع المتحولات
أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
يتم تقييم وسائط الصفيف أو المرجع التي تحتوي على نص إلى 0 (صفر) يتم تقييم النص الفارغ ("") إلى 0 (صفر) إذا كان لا يجب أن يحتوي الحساب على قيم نصية في المتوسط إستخدم الدالة AVERAGE
BETADIST إرجاع دالة كثافة إحتمالات بيتا التراكمية يتم إستخدام دالة كثافة إحتمالات بيتا التراكمية لدراسة تباين النسب المئوية لشيء ما في مجموعة العينات مثل جزء اليوم الذي يقضيه الأشخاص في مشاهدة التليفزيون
الشكل العام
BETADIST(X;Alpha;Beta;A;B)=
متحولاته
X = القيمة بين A و B التي يتم تقييم الدالة عندها
Alpha = معلمة التوزيع
Beta = معلمة التوزيع
A = الحد الأدنى الإختياري للفاصل الزمني ل ( X )
B = الحد الأعلى الإختياري للفاصل الزمني ل ( X )
إذا كانت أي وسيطة غير رقمية تقوم BETADIT بإرجاع الخطأ !VALUE#
إذا كانت ( alpha ≤ 0 ) أو ( beta ≤ 0 ) تقوم BETADIST بإرجاع الخطأ #NUM!
إذا كانت ( x < A ) أو ( x > B ) أو ( A = B ) تقوم BETADIST بإرجاع الخطأ #NUM!
في حالة حذف قيم A وB تقوم BETADIST بإستخدام توزيع بيتا التراكمي القياسي بحيث ( A = 0 ) و ( B = 1 )
BETAINV إرجاع معكوس دالة كثافة إحتمالات بيتا التراكمية بمعنى آخر إذا كان الإحتمال = x و كثافة الإحتمال = y عند ذلك يكون x=BETADIST(y;........) و يكون y=BETAINV(x;.......) يمكن إستخدام توزيع بيتا التراكمي في تخطيط المشروعات لتخطيط مواعيد الإنتهاء المحتملة بإعطاء الوقت المتوقع للإكمال
الشكل العام
BETAINV(Probability;Alpha;Beta;A;B)=
متحولاته
Probability = الإحتمال المقترن بتوزيع بيتا
Alpha = معلمة التوزيع
Beta = معلمة التوزيع
A = الحد الأدنى الإختياري للفاصل الزمني ل ( X )
B = الحد الأعلى الإختياري للفاصل الزمني ل ( X )
إذا كانت أية وسيطة غير رقمية تقوم BETAINV بإرجاع الخطأ !VALUE#
إذا كانت ( alpha ≤ 0 ) أو ( beta ≤ 0 ) تقوم BETAINV بإرجاع الخطأ !NUM#
إذا كانت ( probability ≤ 0 ) أو ( probability > 1 ) تقوم BETAINV بإرجاع الخطأ !NUM#
في حالة حذف قيم A وB تقوم BETAINV بإستخدام توزيع بيتا التراكمي القياسي بحيث ( A = 0 ) و (B = 1 )
تستخدم BETAINV الإسلوب التكراري لحساب الدالة بإعطاء قيمة إحتمال تقوم BETAINV بحساب التكرار حتى يصبح الناتج مساويا لـ (-7^10*3-/+ ) إذا لم يتم تقارب BETAINV بعد 100 تكرار تقوم الدالة بإرجاع الخطأ #N/A
BINOMDIST إرجاع الحد الجبري الفردي لإحتمال توزيع ذي حدين إستخدم BINOMDIST في المسائل التي تتعلق بعدد ثابت من الإختبارات أو التجارب وعندما تكون نتائج أية تجربة عبارة عن نجاح أو فشل فقط وعندما تكون التجارب مستقلة وعندما يكون إحتمال النجاح ثابت في كافة مراحل التجربة فعلى سبيل المثال يمكن لـ BINOMDIST حساب إحتمالية أن يكون طفلان من ثلاثة أطفال سيتم ولادتهما ذكورا
الشكل العام
BINOMDIST(number_s;trials;probability_s;cumulative)=
متحولاته
number_s= عدد مرات النجاح في التجارب
trials = عدد التجارب المستقلة
probability_s = إحتمال النجاح في كل تجربة
cumulative = القيمة المنطقية التي تحدد نموذج الدالة إذا كانت TRUE = cumulative تقوم BINOMDIST بإرجاع دالة التوزيع التراكمي وهي لإحتمال أن هناك عدد مرات (number_s) من النجاح في الغالب وإذا كانت FALSE تقوم بإرجاع دالة مجموع الإحتمالات وهي لإحتمال أن هناك عدد مرات (number_s) من النجاح
تنويه
يتم تحويل Number_s و trials إلى أعداد صحيحة
إذا كانت number_s أو trials أو probability_s غير رقمية تقوم BINOMDIST بإرجاع الخطأ #VALUE!
إذا كانت ( number_s < 0 ) أو إذا كانت ( number_s > trials ) تقوم BINOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( probability_s < 0 ) أو إذا كانت ( probability_s > 1 ) تقوم BINOMDIST بإرجاع الخطأ #NUM!
معادلة مجموع الإحتمالات ذات الحدين
حيث
(COMBIN(n,x
معادلة التوزيع التراكمي ذو الحدين هي
CHIDIST إرجاع الإحتمال أحادي الطرف لتوزيع كاي التربيعي يقترن توزيع γ2 بإختبار γ2 إستخدم إختبار γ2 لمقارنة القيم التجريبية بالقيم المتوقعة فعلي سبيل المثال تفترض إحدى التجارب الجينية أن الجيل التالي من النباتات سوف يحمل مجموعة معينة من الألوان وبمقارنة النتائج التجريبية بالنتائج المتوقعة يمكنك تقرير ما إذا كانت فرضيتك صالحة
الشكل العام
CHIDIST(x;degrees_freedom)=
متحولاته
X = القيمة التي نريد تقييم التوزيع عندها
degrees_freedom= درجات الحرية
تنويه
إذا كانت إحدى الوسيطتين غير رقمية ترجع CHIDIST الخطأ !VALUE#
إذا كانت x سالبة تقوم CHIDIST بإرجاع الخطأ !NUM#
إذا لم تكن degrees_freedom عددا صحيحا يتم تحويلها إلى عدد صحيح
إذا كانت ( degrees_freedom < 1 ) أو إذا كانت ( degrees_freedom ≥ 10^10 ) تقوم CHIDIST بإرجاع الخطأ #NUM!
يتم حساب CHIDIST كما يلي((x>CHIDIST = P(X) حيث X هو متغير عشوائي لـ γ2
CHIINV إرجاع معكوس الإحتمال وحيد الطرف لتوزيع كاي التربيعي إذا كان الإحتمال = x و معكوس الإحتمال = y عند ذلك يكون x=CHIINV(y;........) و يكون y=CHIINV(x;.......) إستخدم هذه الدالة لمقارنة النتائج التجريبية بالنتائج المتوقعة لتقرر ما إذا كانت فرضيتك الأصلية صالحة
الشكل العام
CHIINV(probability;degrees_freedom)=
Probability = ( الإحتمالية ) إحتمال مقترن بالتوزيع كاي تربيع
Degrees_freedom = درجات الحرية
تنويه
إذا كانت إحدى الوسيطتين غير رقمية ترجع CHINV الخطأ !VALUE#
إذا كانت ( probability < 0 ) أو إذا كانت ( probability > 1 ) تقوم CHIINV بإرجاع الخطأ #NUM!
إذا لم تكن degrees_freedom عددا صحيحا يتم تحويلها إلى عدد صحيح
إذا كانت ( degrees_freedom < 1 ) أو إذا كانت ( degrees_freedom ≥ 10^10 ) تقوم CHIINV بإرجاع الخطأ #NUM!
تستخدم CHIINV إسلوب تكراري لحساب الدالة مع إعطاء قيمة الإحتمال تتكرر CHIINV حتى تتطابق النتيجة مع ( +/-3*10^-7 ) إذا لم تتلاقى CHIINV بعد 100 تكرار تقوم الدالة بإرجاع الخطأ #N/A
CHITEST إرجاع إختبار الإستقلال تقوم CHITEST بإرجاع القيمة الناتجة من التوزيع كاي تربيع (γ2) لإحصاء البيانات ودرجات الحرية المناسبة يمكنك إستخدام إختبارات γ2 في تحديد ما إذا كانت النتائج الفرضية تحققها تجربة ما
الشكل العام
CHITEST(actual_range;expected_range)=
متحولاته
Actual_range = (النطاق الفعلي) مجال البيانات الذي يحتوي على الملاحظة المراد إختبارها مقارنة بالقيم المتوقعة
Expected_range = (النطاق المتوقع) مجال البيانات الذي يحتوي على نسبة حاصل ضرب مجاميع الصفوف ومجاميع الأعمدة إلى المجموع الكلي
تنويه
إذا كان actual_range و expected_range لهما عدد مختلف من نقاط البيانات تقوم CHITEST بإرجاع الخطأ #N/A
يحسب إختبار γ2 أولا إحصائية γ2 ثم يلخص فرق القيم الفعلية عن القيم المتوقعة وتكون معادلة هذه الدالة هي CHITEST=p( X>γ2 )
حيث معادلته هي
وحيث
Aij = التكرار الفعلي في رقم الصف ( i ) ورقم العامود ( j )
Eij = التكرار المتوقع في رقم الصف ( i ) ورقم العامود ( j )
r = عدد الصفوف
c = عدد الأعمدة
فتقوم CHITEST بإرجاع الإحتمال لإحصائية γ2 ودرجات الحرية df حيث df = (r - 1)(c - 1)
CONFIDENCE إرجاع فترة الثقة لوسط مجموعة بيانات فترة الثقة هي النطاق الواقع على أي من جانبي وسط مجموعة البيانات فعلي سبيل المثال إذا طلبت أحد المنتجات عبر البريد يمكنك تحديد بمستوى معين من الثقة أقرب آخر موعد لوصول المنتج
الشكل العام
CONFIDENCE(alpha;standard_dev;size)=
متحولاته
Alpha = (إلفا) مستوى الأهمية المستخدم في حساب مستوى الثقة يساوي مستوى الثقة 100*(1 - إلفا)% بمعنى أن إلفا 0.05 تشير إلى مستوى ثقة قدره 95 بالمائة
Standard_dev (الإنحراف المعياري) = الإنحراف المعياري لمحتوى نطاق البيانات ومفترض أنه معطى
Size (الحجم) = حجم العينة
تنويه
إذا كانت أية وسيطة غير رقمية ترجع SERIESSUM الخطأ !VALUE#
إذا كانت ( alpha ≤ 0 ) أو إذا كانت ( alpha ≥ 1 ) تقوم CONFIDENCE بإرجاع الخطأ !NUM#
إذا كانت ( standard_dev ≤ 0 ) تقوم CONFIDENCE بإرجاع الخطأ #NUM!
إذا لم يكن size عددا صحيحا يتم تحويله إلى عدد صحيح
إذا كان ( size < 1) تقوم CONFIDENCE بإرجاع الخطأ #NUM!
بفرض أن إلفا تساوي 0.05 نحتاج إلى حساب الناحية الواقعة تحت المنحنى المعياري الطبيعي الذي يساوي (1 - إلفا) أو 95 بالمائة تساوي هذه القيمة ± 1.96 ولهذا تكون فترة الثقة حسب المعادلة التالية
معادلة المثال
CORREL إرجاع معامل الإرتباط بين مجموعتين من البيانات إستخدم معامل الإرتباط لتحديد العلاقة بين خاصيتين على سبيل المثال يمكنك فحص العلاقة بين متوسط درجة الحرارة في مكان و إستخدام مكيفات الهواء
الشكل العام
CORREL(array1;array2)=
متحولاته
array1 ( الصفيف 1 ) نطاق خلايا من القيم
array2 ( الصفيف 2 ) نطاق خلايا ثاني من القيم
تنويه
يجب أن تكون الوسائط أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان الصفيف 1 و الصفيف 2 لهما رقمين مختلفين من نقاط البيانات تقوم CORREL بإرجاع الخطأ #N/A
إذا كان أي من الصفيف 1 أو الصفيف 2 فارغا أو إذا كان (الإنحراف المعياري) لقيمهما يساوي صفر تقوم CORREL بإرجاع الخطأ #DIV/0!
معادلة معامل الإرتباط
حيث
و
COUNT حساب الأرقام الموجودة في قائمة الوسائط إستخدم COUNT للحصول على عدد الإدخالات في حقل أرقام بنطاق أو صفيف الأرقام
الشكل العام
COUNT(value1;value2;...)=
متحولاته
من 1 إلى 30
تنويه
يتم حساب الوسائط التي هي أرقام أو تواريخ أو تمثيلات نصية للأرقام ويتم إهمال الوسائط التي هي قيم خطأ أو نص لا يمكن ترجمته إلى أرقام
إذا كانت إحدى الوسائط عبارة عن صفيف أو مرجع يتم حساب الأرقام الموجودة في هذا الصفيف أو المرجع فقط ويتم تجاهل الخلايا الفارغة أو القيم المنطقية أو النص أو قيم الخطأ الموجودة في الصفيف أو المرجع إذا كنت في حاجة لحساب القيم المنطقية أو النص أو قيم الخطأ إستخدم الدالة COUNTA
COUNTA حساب القيم الموجودة في قائمة الوسائط إستخدم COUNTA لحساب عدد الخلايا التي تحتوي على بيانات في نطاق أو صفيف
الشكل العام
COUNTA(value1;value2;...)=
متحولاته
من 1 إلى 30
تنويه
تكون القيمة أي نوع من المعلومات بما في ذلك النص الفارغ ("") وليس الخلايا الفارغة إذا كانت إحدى الوسائط عبارة عن صفيف أو مرجع يتم تجاهل الخلايا الفارغة الموجودة بداخل الصفيف أو المرجع إذا لم تكن بحاجة إلى حساب القيم المنطقية أو النص أو قيم الخطأ إستخدم الدالة COUNT
COUNTIF حساب عدد الخلايا غير الفارغة في نطاق يطابق المعايير المحددة
الشكل العام
COUNTIF(range;criteria)=
متحولاته
Range (النطاق) = نطاق الخلايا الذي تريد حساب الخلايا منه
Criteria (المعايير) = المعايير التي تتحكم في شكل الرقم أو التعبير أو النص الذي يعرف أي من الخلايا التي يتم حسابها فعلى سبيل المثال يمكن التعبير عن المعايير بالشكل التالي (32)("32")(">32")("تفاح")
تنويه
يوفر البرنامج دالات إضافية يمكن إستخدامها لتحليل بياناتك إستنادا إلى شرط ما فعلى سبيل المثال لحساب مجموع يستند إلى سلسلة نصية أو رقم داخل نطاق إستخدم الدالة SUMIF ولجعل صيغة تقوم بإرجاع إحدى قيمتين إستنادا إلى شرط ما مثل علاوات المبيعات المستندة إلى كمية مبيعات معينة إستخدم الدالة IF
COVAR إرجاع التباين المشترك متوسط نتائج الإنحرافات المزدوجة معدل ضرب الإنحرافات لكل زوج من نقاط البيانات إستخدم التباين المشترك لتحديد العلاقة بين مجموعتين من البيانات فعلي سبيل المثال يمكنك معرفة ما إذا كانت هناك علاقة بين زيادة دخل الشركات بإرتفاع مستوى التعليم
الشكل العام
COVAR(array1;array2)=
متحولاته
Array1 أول خلية ضمن نطاق من الأعداد الصحيحة
Array2 ثاني خلية ضمن نطاق من الأعداد الصحيحة
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان array1 و array2 لهما رقمين مختلفين من نقاط البيانات تقوم COVAR بإرجاع الخطأ #N/A
إذا كان أي من array1 و array2 فارغا تقوم COVAR بإرجاع الخطأ #DIV/0!
معادلة التباين المشترك هي
CRITBINOM إرجاع أصغر قيمة التي يقل التوزيع التراكمي ذي الحدين الخاص بها عن قيمة المعيار أو يتساوى معها إستخدم هذه الدالة لتطبيقات التحقق من الجودة فعلي سبيل المثال إستخدم CRITBINOM لتحديد الحد الأقصى لعدد الأجزاء التالفة المسموح به لمرور من خط تجميع دون رفض الكمية بأكملها
الشكل العام
CRITBINOM(trials;probability_s;alpha)=
متحولاته
Trials = عدد محاولات برنوبي
Probability_s = إحتمال النجاح لكل محاولة
Alpha = قيمة المعيار
تنويه
إذا كانت أي وسيطة غير رقمية تقوم CRITBINOM بإرجاع الخطأ !VALUE#
إذا لم تكن trials عددا صحيحا يتم تحويلها إلى عدد صحيح
إذا كانت ( trials < 0 ) تقوم CRITBINOM بإرجاع الخطأ #NUM!
إذا كانت ( probability_s is < 0 ) أو إذا كانت ( probability_s > 1 ) تقوم CRITBINOM بإرجاع الخطأ!NUM#
إذا كانت ( alpha < 0 ) أو إذا كانت ( alpha > 1 ) تقوم CRITBINOM بإرجاع الخطأ !NUM#
DEVSQ إرجاع مجموع مربعات الإنحرافات لنقاط البيانات عن وسط العينة منها
الشكل العام
DEVSQ(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
معادلته
EXPONDIST إرجاع التوزيع الأسي إستخدم EXPONDIST لتخطيط الوقت بين الأحداث مثل المدة التي تستغرقها ماكينة صرف البنك الآلية في تسليم النقود على سبيل المثال يمكنك إستخدام EXPONDIST لتحديد إحتمالية إستغراق العملية لدقيقة واحدة على الأكثر
الشكل العام
= EXPONDIST(x;lambda;cumulative)
متحولاته
X = قيمة الدالة
Lambda = قيمة المعلمة
Cumulative (تراكم) = القيمة المنطقية التي تشير إلى أي من أشكال الدالة الأسية الذي سيتم تقديمه فإذا كان التراكم يساوي TRUE تقوم EXPONDIST بإرجاع دالة التوزيع التراكمي وإن كان FALSE فإنها ترجع دالة كثافة الإحتمال
تنويه
إذا كانت x أو lambda غير رقمية تقوم EXPONDIST بإرجاع الخطأ !VALUE#
إذا كان ( x < 0 ) تقوم EXPONDIST بإرجاع الخطأ !NUM#
إذا كانت ( lambada ≤0 ) تقوم EXPONDIST بإرجاع الخطأ !NUM#
تكون معادلة دالة كثافة الإحتمال هي
وتكون معادلة دالة التوزيع التراكمي هي
FDIST إرجاع التوزيع الإحتمالي F يمكنك إستخدام هذه الدالة لتحديد ما إذا كان هناك درجات للإختلاف بين مجموعتي البيانات على سبيل المثال يمكنك فحص نقاط الإختبار للفتيان والفتيات المتقدمين لمدرسة ثانوية جديدة وتحديد إذا كانت التباين بين الفتيات مختلف عن ذلك الموجود بين الفتيان
الشكل العام
FDIST(x;degrees_freedom1;degrees_freedom2)=
متحولاته
X = القيمة التي يتم تقييم الدالة عندها
Degrees_freedom1 (درجات الحرية 1) = هي بسط درجات الحرية
Degrees_freedom2 (درجات الحرية 2) = هي مقام درجات الحرية
تنويه
إذا كانت أي وسيطة منها غير رقمية تقوم FDIST بإرجاع الخطأ !VALUE#
إذا كانت x سالبة تقوم FDIST بإرجاع الخطأ !NUM#
إذا لم تكن (درجات_الحرية 1) degrees_freedom1 أو (درجات_الحرية 2) degrees_freedom2 أعدادا صحيحة يتم تحويلها إلى أعداد صحيحة
إذا كانت (degrees_freedom1 < 1 ) أو ( degrees_freedom1 ≥ 10^10 ) تقوم FDIST بإرجاع الخطأ !NUM#
إذا كانت ( degrees_freedom2 < 1 ) أو ( degrees_freedom2 ≥ 10^10 ) تقوم FDIST بإرجاع الخطأ !NUM#
يتم حساب FDIST كـ ( FDIST=P( F<x حيث F متغير عشوائي له التوزيع F
FINV إرجاع التوزيع الإحتمالي العكسي لـF إذا كانت p=FDIST(x;....) تكون x=FINV(y;...)
يمكن إستخدام التوزيع F في إختبارF الذي يقوم بمقارنة التباين بين مجموعتي بيانات على سبيل المثال يمكنك تحليل توزيعات الدخل في الولايات المتحدة وكندا لتحديد ما إذا كان البلدان لهما نفس درجة التباين في الدخل
الشكل العام
=FINV(probability;degrees_freedom1;degrees_freedom2)
متحولاته
Probability = الإحتمال المقترن بالتوزيع التراكميF
Degrees_freedom1 = هي قيمة البسط لدرجات الحرية
Degrees_freedom2 = هي المقام لدرجات الحرية
تنويه
إذا كانت أي وسيطة غير رقمية تقوم FINV بإرجاع الخطأ !VALUE#
إذا كانت ( probability < 0 ) أو ( probability >1 ) تقوم FINV بإرجاع الخطأ !NUM#
إذا لم تكن degrees_freedom1 أو degrees_freedom2 أعدادا صحيحة يتم تحويلها إلى أعداد صحيحة
إذا كانت ( degrees_freedom1 <1 ) أو( degrees_freedom1 ≥ 10^10 ) تقوم FINV بإرجاع الخطأ !NUM#
إذا كانت ( degrees_freedom2 < 1 ) أو ( degrees_freedom2 ≥ 10^10 ) تقوم FINV بإرجاع الخطأ !NUM#
يمكن إستخدام FINV لإرجاع القيم الحرجة من التوزيع F على سبيل المثال يتضمن إخراج حسابات ANOVA غالبا بيانات للإحصائية F و الإحتمال F والقيمة الحرجة لـ F في مستوى الأهمية 0.05 ولإرجاع القيمة الحرجة لـ F إستخدم المستوى أهمية كوسيطة الإحتمال لـ FINV
تستخدم FINV الإسلوب التكراري لحساب الدالة عند إعطاء قيمة الإحتمال تقوم FINV بالتكرار إلى أن تكون النتيجة ( -/+3*10^-7 ) وإذا لم تتقارب FINV بعد 100 مرة من التكرار تقوم الدالة بإرجاع الخطأN/A#
FISHER إرجاع تحويل Fisher يعطى هذا التحويل دالة ما يتم توزيعها بشكل طبيعي ولا يحدث فيها تخالف إستخدم هذه الدالة لتنفيذ الإختبار الإفتراضي في معامل الإرتباط
الشكل العام
FISHER(X)
متحولاته
X القيمة الرقمية التي تريد التحويل لها
تنويه
إذا كانت x غير رقمية تقوم FISHER بإرجاع الخطأ !VALUE#
إذا كانت ( x ≤ -1 ) أو إذا كانت ( x ≥ 1) تقوم FISHER بإرجاع الخطأ !NUM#
وتكون معادلة تحويل Fisher هي
FISHERINV إرجاع التحويل العكسي لـFisher إستخدم هذا التحويل عند تحليل الإرتباطات بين المجالات أو صفائف البيانات إذا كان y = ( x FISHER( يكون FISHERINV(y) = x
الشكل العام
(FISHERINV(y=
متحولاته
Y = القيمة التي تريد تنفيذ التحويل العكسي إليها
تنويه
إذا كانت y غير رقمية تقوم FISHERINV بإرجاع الخطأ !VALUE#
وتكون معادلة تحويل Fisher العكسي هي
FORECAST إرجاع قيمة موجودة على إتجاه خطي تكون القيمة المتوقعة عبارة عن قيمة حل لقيمة س المعطاة القيم المعطاة هي قيم س وقيم ص الموجودة وقيم التنبؤ بالقيمة الجديدة بإستخدام الإنحدار الخطي يمكنك إستخدام هذه الدالة للتنبؤ بالمبيعات ومتطلبات المخزون و إتجاهات السوق المستقبلية
الشكل العام
FORECAST(x;known_x's;known_y's)=
متحولاته
X (س) = نقطة البيانات التي تريد التنبؤ بقيمتها
Known_y's (معطيات ص) = صفيف أو نطاق البيانات التابع
Known_x's (معطيات س) = صفيف أو نطاق البيانات المستقل
تنويه
إذا كانت x غير رقمية تقوم FORECAST بإرجاع الخطأ !VALUE#
إذا كان known_y's و known_x's فارغتين أو تحتويان على عدد مختلف من نقاط البيانات تقوم FORECAST بإرجاع الخطأ N/A#
إذا كان تباين known_x's يساوي صفرا تقوم FORECAST بإرجاع الخطأ !DIV/0 #
وتكون معادلة FORECAST هي ( a+bx ) حيث
و
FREQUENCY إرجاع توزيع تكراري كصفيف عامودي على سبيل المثال إستخدم FREQUENCY لحساب عدد نقاط الإختبار التي تقع ضمن مجموع النقاط نظرا لإرجاع FREQUENCY صفيف فيجب إدخالها كصيغة صفيف
الشكل العام
FREQUENCY(data_array;bins_array)=
متحولاته
Data_array (صفيف بيانات) = صفيف أو مرجع لمجموعة من القيم التي تريد حساب التكرارات لها إذا كانت data_array لا تحتوى على أية قيم تقوم FREQUENCY بإرجاع صفيف من الأصفار
Bins_array (صفيف بيانات) = صفيف أو مرجع مجموعة القيم التي تريد تجميع القيم بداخلها ضمن data_array فإذا كانت bins_array لا تحتوي على قيم تقوم FREQUENCY بإرجاع عدد العناصر الموجودة في data_array
تنويه
يتم إدخال FREQUENCY كصيغة صفيف بعد تحديد نطاق من الخلايا المتجاورة التي تريد حساب التوزيع المرتجع لها
تزداد عدد العناصر في الصفيف الذي يتم إرجاعه عنصرا واحدا عن عدد العناصر الموجود في bins_array يوضح العنصر الزائد في الصفيف الذي تم إرجاعه عدد التي تزيد عن القيمة العليا على سبيل المثال عند حساب ثلاثة نطاقات من القيم (الفواصل) التي تم إدخالها في ثلاث خلايا تأكد من إدخال FREQUENCY ضمن أربع خلايا للحصول على النتائج ترجِع الخلية الزائدة عدد القيم في data_array التي هي أكبر من القيمة الفاصلة الثالثة
تتجاهل FREQUENCY الخلايا الفارغة والنص
يجب إدخال الصيغ التي تقوم بإرجاع صفائف كصيغ صفائف
ملاحظة
يجب إدخال الصيغة كصيغة صفيف حدد النطاق المراد إدخال الصيغة فيه ثم أدخل الصيغة ثم اضغط CTRL+SHIFT+ENTER إذا لم يتم إدخال الصيغة كصيغة صفيف يكون الناتج المفرد 1
FTEST إرجاع نتيجة إختبارF يقوم إختبار F بإرجاع الإحتمال وحيد الطرف الذي تتباين فيه Array1 و Array2 بشكل غير مختلف إختلافا كبيرا إستخدم هذه الدالة لتحديد ما إذا كانت عينتان بهما تباينات مختلفة على سبيل المثال عند معرفة درجات إختبارات من المدارس الحكومية والمدارس الخاصة يمكنك إختبار ما إذا كانت هذه المدارس بها مستويات مختلفة من تباين درجات الإختبارات
الشكل العام
(FTEST(array1;array2
متحولاته
Array1 (صفيف 1) = صفيف أو نطاق البيانات الأول
Array2 (صفيف 2) = صفيف أو نطاق البيانات الثاني
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان عدد نقاط البيانات في array1 أو array2 أقل من 2 أو إذا كان تباين array1 أو array2 صفر تقوم FTEST بإرجاع الخطأ !DIV/0 #
GAMMADIST إرجاع توزيع غاما يمكنك إستخدام هذه الدالة لدراسة المتغيرات التي قد يكون لها توزيع متخالف ويستخدم توزيع غاما بشكل شائع في تحليل الإصطفاف
الشكل العام
GAMMADIST(x;alpha;beta;cumulative)=
متحولاته
X = القيمة التي تريد تقييم التوزيع عندها
Alpha (إلفا) = معلمة للتوزيع
Beta (بيتا) = هي معلمة التوزيع إذا كانت ( beta = 1) تقوم GAMMADIST بإرجاع توزيع غاما القياسي
Cumulative (تراكم) = هي إحدى القيم المنطقية التي تحدد شكل الدالة إن كانت ( TRUE = cumulative ) تقوم GAMMADIST بإرجاع دالة التوزيع التراكمي وإن كانت تساوي ( FALSE ) تقوم بإرجاع دالة الإحتمالات غير التراكمية
تنويه
إن لم يكن x أوalpha أو beta رقما تقوم GAMMADIST بإرجاع الخطأ !VALUE#
إذا كان ( x < 0) تقوم GAMMADIST بإرجاع الخطأ !NUM#
إذا كان ( alpha ≤ 0 ) أو إذا كان ( beta ≤ 0) تقوم GAMMADIST بإرجاع الخطأ !NUM#
تكون معادلة توزيع غاما هي
ويكون توزيع غاما القياسي هو
عندما تكون ( alpha=1 ) تقوم GAMMADIST بإرجاع التوزيع الأسي مع
بالنسبة للعدد الصحيح الموجب (n) عندما تكون ( alpha= (n)\2) و ( beta=2 ) و (cumulative= TRUE ) تقوم GAMMADIST بإرجاع (1 - CHIDIST(×)) مع (عددn) من درجات الحرية
عندما تكون alpha عدد صحيح موجب فإن GAMMADIST تعرف أيضا كتوزيع Erlang
GAMMAINV إرجاع توزيع غاما التراكمي العكسي إذا كانت (...,p = GAMMADIST(x تكون GAMMAINV(p,...) = x يمكنك إستخدام هذه الدالة لدراسة متغير قد يكون له توزيع متخالف
الشكل العام
(=GAMMAINV(probability;alpha;beta
متحولاته
Probability (الإحتمال) = الإحتمال المقترن بتوزيع غاما
Alpha(إلفا) = معلمة للتوزيع
Beta (بيتا) = معلمة للتوزيع
إذا كانت ( beta=1 ) تقوم GAMMAINV بإرجاع توزيع غاما القياسي
تنويه
إذا كانت أي وسيطة غير رقمية تقوم GAMMAINV بإرجاع الخطأ !VALUE#
إن كان ( probability < 0 ) أو ( probability >1) تقوم GAMMAINV بإرجاع الخطأ !NUM#
إذا كان ( alpha ≤ 0 ) أو إن كان ( beta ≤0) تقوم GAMMAINV بإرجاع الخطأ !NUM#
تستخدم GAMMAINV الإسلوب التكراري لحساب الدالة عند معرفة قيمة الإحتمال تتكرر GAMMAINV حتى يصبح الناتج مساويا لـ ( +/-3*10^-7 ) إذا لم تتقارب GAMMAINV بعد 100 تكرار تقوم الدالة بإرجاع الخطأ N\A#
GAMMALN إرجاع اللوغاريتم الطبيعي لدالة غاما (Γ(x
الشكل العام
x))GAMMALN=
متحولاته
X = القيمة التي تريد حساب GAMMALN لها
تنويه
إذا كانت x غير رقمية تقوم GAMMALN بإرجاع الخطأ !VALUE#
إذا كانت ( x ≤ 0) تقوم GAMMALN بإرجاع الخطأ !NUM#
يقوم العدد e المرفوع إلى قوة (GAMMALN(i ( حيث i عدد صحيح ) بإرجاع نفس ناتج (i - 1)!
يتم حساب GAMMALN حسب المعادلة
حيث
GEOMEAN إرجاع الوسط الهندسي لصفيف أو لنطاق من البيانات الموجبة على سبيل المثال يمكنك إستخدام GEOMEAN لحساب معدل متوسط النمو للفائدة المركبة مع المعدلات المتغيرة
الشكل العام
GEOMEAN(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان أي نقطة بيانات ≤0 تقوم GEOMEAN بإرجاع الخطأ !NUM#
تكون معادلة الوسط الهندسي هي
GROWTH إرجاع القيم الموجودة على خط أسي تقوم GROWTH بإرجاع قيم ص لسلسة من قيم س الجديدة التي تعينها بإستخدام قيم س و قيم ص الموجودة يمكنك أيضا إستخدام دالة GROWTH لتناسب أحد المنحنيات الأسية لقيم س و قيم ص الموجودة
الشكل العام
GROWTH(known_y's,known_x's;new_x's;const)=
متحولاته
Known_y's (معطيات ص) = هي مجموعة من قيم y (ص) التي تعرفها بالفعل في العلاقة y = b*m^x
إذا كان الصفيف Known_y's في عامود مفرد يتم تفسير كل عامود لـ Known_x's كمتغير مفرد
إذا كان الصفيف Known_y's في صف مفرد يتم تفسير كل صف من Known_x's كمتغير مفرد
إذا كان أي من الأعداد في known_y's يساوي 0 (صفر) أو سالبا تقوم GROWTH بإرجاع الخطأ !NUM#
Known_x's (معطيات س) = مجموعة إختيارية من قيم x (س) تعرفها بالفعل في العلاقة y = b*m^x
يمكن للصفيف known_x's أن يتضمن مجموعة أو أكثر من المتغيرات إذا تم إستخدام متغير واحد فقط يمكن أن تكون known_y's وknown_x's في أي شكل من النطاقات طالما كان تتضمن أبعاد متساوية إذا تم إستخدام أكثر من متغير واحد يجب أن تكون known_x's كمية موجهة (أي نطاق بإرتفاع صف واحد أو بعرض عامود واحد)
إذا تم حذف known_x's يفترض أن تكون الصفيف {3,2,1،...} الذي يكون بنفس حجم known_y's
New_x's (قيم س الجديدة) = هي قيم س الجديدة التي تريد من GROWTH إرجاعها لقيم ص المطابقة
يجب أن تتضمن new_x's عامود ( أو صف) لكل متغير مستقل تماما مثل known_x's إذا كانت known_y's في عامود مفرد فيجب أن يكون عدد الأعمدة في known_x's وnew_x's متساوي إذا كانت known_y's في صف مفرد فيجب أن يكون عدد الصفوف في known_x's وnew_x's متساوي
إذا تم حذف new_x's يفترض أن تكون نفس known_x's
إذا تم حذف كل من known_x's و new_x's سيفترض أن يكونا الصفيف {3،2،1،...} الذي يكون بنفس حجم known_y's
Const (ثابت) = قيمة منطقية تحدد ما إذا كان سيتم فرض الثابت b ليساوي 1
إذا كانت const تساوي TRUE أو محذوفة يتم حساب b بالشكل المعتاد
إذا كانت const تساوي FALSE يتم تعيين b تساوي 1 ويتم ضبط القيمة m بحيث y = m^x
تنويه
يجب إدخال الصيغ التي ترجع الصفائف كصيغ صفائف بعد تحديد عدد الخلايا الصحيح
عند إدخال ثابت صفيف لوسيطة مثل known_x's إستخدم فواصل لفصل القيم في نفس الصف وفواصل منقوطة لفصل الصفوف
ملاحظة
توضح الصيغة الأولى القيم المناظرة للقيم المعطاة تقوم الصيغة الثانية بتوقع قيم الأشهر التالية إذا استمر الإتجاه الأسي
يجب إدخال الصيغة في المثال كصيغة صفيف حدد مجالي البيانات اضغط على المفتاح F2 ثم أدخل الصيغة ثم اضغط CTRL+SHIFT+ENTER إذا لم يتم إدخال الصيغة كصيغة صفيف ستكون النتائج وحيدة
HARMEAN إرجاع الوسط التوافقي ( الوسط التوافقي هو معكوس الوسط الحسابي لمقلوب الأرقام )
الشكل العام
HARMEAN(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كانت أي نقطة بيانات ≤0 تقوم HARMEAN بإرجاع قمة الخطأ !NUM#
يكون الوسط التوافقي دائما أقل من الوسط الهندسي والذي يكون دائما أقل من الوسط الحسابي
معادلة الوسط الحسابي هي
HYPGEOMDIST إرجاع التوزيع الهندسي الزائد ترجع HYPGEOMDIST الإحتمال لعدد معطى من عينات النجاح مع إعطاء حجم العينة وعدد مرات النجاح لمجموعة البيانات وحجمها إستخدم HYPGEOMDIST لحل المشكلات التي تتعلق بالمحتوى المنتهى وحيث يتم إختيار كل مجموعة فرعية ذات حجم معطى بإحتمال متساو
الشكل العام
HYPGEOMDIST(sample_s;number_sample;population_s;number_population)=
متحولاته
Sample_s = عدد مرات النجاح في العينة
Number_sample = حجم العينة
Population_s = عدد مرات النجاح في المحتوى الكلي
Number_population = حجم المحتوى الكلي
تنويه
يتم تحويل كافة الوسائط إلى أعداد صحيحة
إذا كانت أي وسيطة غير رقمية تقوم HYPGEOMDIST بإرجاع الخطأ !VALUE#
إذا كانت ( sample_s < 0 ) أو ( sample_s أكبر من أدنى number_sample أو population_s ) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كان ( sample_s أقل من عدد أكبر من 0 ) أو (number_sample من- number_population + population_s) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( number_sample <0 ) أو ( number_sample > number_population ) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( population_s <0 ) أو ( population_s > number_population ) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( number_population < 0) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
معادلة التوزيع الهندسي الفوقي هي
حيث
x = sample_s
n = number_sample
M = population_s
N = number_population
تستخدم HYPGEOMDIST في حساب العينات بدون التعويض من المجتمع المنتهى
في المثال
تحتوي عينة من الشيكولاتة على 20 قطعة ثماني قطع منها بالكراميل و 12 الباقية بجوز الهند في حالة انتقاء شخص 4 قطع عشوائيا فإن الدالة التالية ترجع إحتمال أن يكون هناك من بينهم واحدة بالكراميل بالتأكيد
INTERCEPT إرجاع الجزء المحصور لخط الإنحدار الخطي تستند نقطة التقاطع إلى أفضل إنحدار ملائم للخط المرسوم غير قيم س وقيم ص المعطاة إستخدم الدالة INTERCEPT عندما تريد تحديد قيمة المتغير التابع عندما يكون المتغير التابع 0 (صفر) على سبيل المثال يمكنك إستخدام دالة INTERCEPT لتوقع مقدار المقاومة الكهربية لمعدن عند 0°درجة الصفر المئوي عند قياس نقاط البيانات في درجة حرارة الغرفة أو أعلى
الشكل العام
(INTERCEPT(known_y's;known_x's=
متحولاته
Known_y's (معطيات ص) = مجموعة الملاحظات أو البيانات التابعة
Known_x's (معطيات س) = مجموعة الملاحظات أو البيانات المستقلة
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا إحتوى known_y's وknown_x's على عدد مختلف من نقاط البيانات أو كانت لا تحتوي على نقاط بيانات تقوم INTERCEPT بإرجاع الخطأ N/A#
تكون معادلة التقاطع لخط الإنحدار هي
حيث تم حساب الميل كما يلي
KURT إرجاع تفلطح مجموعة بيانات يصف التفرطح الذروة النسبية أو الركود النسبي مقارنة للتوزيع العادي يشير التفرطح الموجب لتوزيع ذروة نسبي ويشير التفرطح السالب إلى توزيع ركود نسبي
الشكل العام
KURT(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
في حالة وجود أقل من أربع نقاط للبيانات أو إذا كان الإنحراف المعياري للعينة يساوي صفرا تقوم KURT بإرجاع الخطأ #DIV/O!
يتم تعريف التفرطح كما يلي
حيث
s = عينة الإنحراف المعياري للعينة
LARGE إرجاع أكبر قيمة ترتيبها k في مجموعة بيانات يمكنك إستخدام هذه الدالة لتحديد قيمة تستند إلى موقعها النسبي يمكنك مثلا إستخدام LARGE لإرجاع أعلى نقطة تقدير أو مركز النقطة التي تليها أو المركز الثالث
الشكل العام
=LARGE(array;k)
متحولاته
Array = الصفيف أو نطاق البيانات الذي تريد تحديد ترتيب أكبر قيمة له K
K = الموضع (من الأكبر) في الصفيف أو نطاق البيانات الذي سيتم إرجاعه
تنويه
إذا كانت array فارغة تقوم LARGE بإرجاع الخطأ !NUM#
إذا كان ( k ≤ 0 ) أو إذا كانت k أكبر من عدد نقاط البيانات تقوم LARGE بإرجاع الخطأ !NUM#
إذا كان عدد نقاط البيانات في نطاق هو n فتقوم (LARGE (array,1 بإرجاع أكبر قيمة وتقوم (LARGE (array,n بإرجاع أصغر قيمة
LINEST إرجاع معلمات إتجاه خطي بإستخدام طريقة "القيمة الصغرى لمجموع المربعات" لحساب خط مستقيم يناسب بياناتك بالشكل الأمثل و إرجاع صفيف يصف الخط نظرا لأن هذه الدالة تقوم بإرجاع صفيف من القيم يجب إدخالها كصيغة صفيف
معادلة الخط هي
y = mx + b أو
y = m1x1 + m2x2 + ... + b (في حالة وجود نطاقات متعددة لقيم x)
حيث تكون قيم y التابعة هي دالة لقيم x المستقلة وتعد قيم m معاملات مطابقة لكل قيمة من قيم x وتكون b قيمة ثابتة
لاحظ أن y و x و m يمكن أن تكون كميات موجهة و الصفيف الذي تقوم LINEST بإرجاعه هو {mn,mn-1,...,m1,b} يمكن أن تقومLINEST أيضا بإرجاع إحصائيات إنحدار إضافية
الشكل العام
LINEST(known_y's;known_x's;const;stats)=
متحولاته
Known_y's (معطيات ص) = مجموعة من قيم y (ص) التي تعرفها مسبقا في العلاقة y = mx + b
إذا كان الصفيف Known_y's في عامود مفرد يتم تفسير كل عامود لـ Known_x's كمتغير مفرد
إذا كان الصفيف known_y's في صف مفرد يتم تفسير كل صف لـ known_x's كمتغير منفصل
Known_x's (معطيات س) = مجموعة إختيارية من قيم x (س) التي قد تعرفها مسبقا في العلاقة y = mx + b
يمكن للصفيف known_x's أن يتضمن مجموعة أو أكثر من المتغيرات إذا تم إستخدام متغير واحد فقط يمكن أن تكون known_y's وknown_x's نطاقات من أي شكل طالما كانت ذات أبعاد متساوية إذا تم إستخدام أكثر من متغير واحد يجب أن تكون known_x's كمية موجهة (أي نطاق بإرتفاع صف واحد أو بعرض عامود واحد)
إذا تم حذف known_x's يفترض أن تكون الصفيف {1,2,3،...} الذي يكون بنفس حجم known_y's
Const (ثابت) = قيمة منطقية تحدد ما إذا كان سيتم فرض الثابت b ليساوي 0 (صفر)
إذا كانت const تساوي TRUE أو محذوفة يتم حساب b بالشكل المعتاد
إذا كانت const تساوي FALSE يتم تعيين b لتساوي صفر ويتم ضبط القيم m لتلائم y = mx
Stats (إحصائيات) = قيمة منطقية تحدد ما إذا كان سيتم إرجاع إحصائيات إنحدار إضافية
إذا كانت stats تساوي TRUE تقوم LINEST بإرجاع إحصائيات الإنحدار الإضافية بحيث يكون الصفيف الذي يتم إرجاعه هو {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}
إذا كانت stats تساوي FALSE أو تم حذفها تقوم LINEST بإرجاع معاملات m والثابت b فقط
تكون إحصائيات الإنحدار الإضافية كما يلي
الإحصائية الوصف
se1,se2,...,sen قيم الخطأ المعيارية للمعاملات m1,m2,...,mn
Seb الخطأ المعياري للثابت seb = #N/A) bعندما تكون const تساوي FALSE )
r2 معامل التحديد يقوم بمقارنة قيم y المقدرة وقيم y الفعلية وتتراوح قيمته من صفر إلى 1 إذا كانت 1 يوجد إرتباط تام في العينة ( لا يوجد فرق بين قيمة y المقدرة وقيمة y الفعلية) ومن ناحية أخرى إذا كان معامل التحديد صفر لا تفيد معادلة الإنحدار في التنبؤ بقيمة y للحصول على معلومات حول كيفية حساب r2راجع "تنويه" في هذا الموضوع لاحقا
sey الخطأ المعياري للتقديرY
F الإحصاء Fأو قيمة F التي تمت ملاحظتها إستخدم إحصاء F لتحديد ما إذا كانت العلاقة التي تمت ملاحظتها بين المتغيرات التابعة والمتغيرات المستقلة تحدث عشوائيا
df درجات الحرية إستخدم درجات الحرية لتساعدك في العثور على قيم F الحرجة في جدول إحصائي قارن القيم التي تجدها في الجدول بالإحصاء F الذي يتم إرجاعه بواسطة LINEST لتحديد مستوى الثقة للنموذج
ssreg إنحدار مجموع المربعات
ssresid باقي مجموع المربعات
تعرض الصورة التالية ترتيب إرجاع إحصائيات الإنحدار الإضافية
تنويه
يمكنك وصف أي خط مستقيم بواسطة الميل وتقاطع Y
الميل (m)
لإيجاد ميل خطٍ ما يكتب عادة m خذ نقطتين على الخط (x1,y1) و(x2,y2) فيكون الميل مساويا (y2 - y1)/(x2 - x1)
تقاطع Y (b)
التقاطع y لخطٍ ما يكتب عادة b هو قيمة y عند تقاطع الخط مع محور y
معادلة الخط المستقيم هي y = mx + b بمجرد معرفة قيم m وb يمكنك حساب أية نقطة على الخط بواسطة تضمين قيمة y أو x في تلك المعادلة يمكنك أيضا إستخدام الدالة TREND
إذا كان لديك متغير x مستقل واحد فقط يمكنك الحصول على قيم الميل وتقاطع y مباشرة بإستخدام الصيغتين التاليتين
الميل
=INDEX(LINEST(known_y's;known_x's);1)
تقاطع Y
=INDEX(LINEST(known_y's;known_x's);2)
تعتمد دقة الخط الذي المحسوب بواسطة LINEST على درجة التبعثر في بياناتك كلما كانت البيانات أكثر خطية زادت دقة نموذج LINEST تستخدم LINEST طريقة القيمة الصغرى لمجموع المربعات لتحديد الشكل الأمثل للبيانات عندما يتوفر لديك متغير x مستقل واحد فقط تستند حسابات m وb إلى الصيغتين التاليتين
و
يمكن للدالتين LINEST وLOGEST أن تقوم بحساب الخط المستقيم أو المنحنى الأسي الذي يلائم بياناتك بشكل أفضل
على أي حال يجب عليك أن تقرر أي النتيجتين أمثل للبيانات يمكنك حساب (TREND(known_y's;known_x's للخط المستقيم أو (GROWTH (known_y's known_x's للمنحنى الأسي تقوم هذه الدالات دون وسيطة new_x's بإرجاع صفيف للقيم y التي تم تكهنها على هذا الخط أو المنحنى في نقاط البيانات الحقيقية يمكنك بعد ذلك مقارنة القيم التي تم التنبؤ بها بالقيم الحقيقية قد تريد تخطيطها معا لمقارنتها مرئيا
في تحليل الإنحدار يحسب البرنامج الفرق التربيعي لكل نقطة بين قيمة y المقدرة لهذه النقطة وقيمة y الفعلية يسمى مجموع الفروق التربيعية هذه بباقي مجموع المربعات ثم يحسب البرنامج مجموع فرق المربعات بين قيم y الفعلية ومعدل قيم Y الذي يسمى إجمالي مجموع المربعات (إنحدار مجموع المربعات + باقي مجموع المربعات) كلما صغر مجموع باقي المربعات مقارنة بإجمالي مجموع المربعات كبرت قيمة معامل التحديد r2 وهو مؤشر على كيفية شرح المعادلة الناتجة من تحليل الإنحدار للعلاقة بين المتغيرات
يجب إدخال الصيغ التي تقوم بإرجاع صفائف كصيغ صفائف
عند إدخال ثابت صفيف مثل known_x's كوسيطة إستخدم الفواصل لفصل القيم في نفس الصف والفواصل المنقوطة لفصل الصفوف قد تختلف الأحرف الفاصلة وفقا للإعدادات المحلية لديك في الإعدادات الإقليمية أو الخيارات الإقليمية في لوحة التحكم
لاحظ أن قيم y التي توقعتها بواسطة معادلة الإنحدار قد لا تكون صالحة إذا كانت خارج نطاق قيم y المستخدمة لتحديد المعادلة
مثال 1: الميل وتقاطع Y
ملاحظة
عندما يتم الإدخال كصفيف يتم إرجاع الميل ( 0.464912) والتقاطع y ( 3.815789)
مثال 2: إنحدار خطي بسيط
ملاحظة
بشكل عام ({SUM({m;b}*{x;1 تساوي mx+b وهي قيمة y المقدرة لقيمة x المعطاة ويمكنك أيضا إستخدام الدالة TREND
مثال 3: إنحدار خطي متعدد
بفرض أن أحد المطورين التجاريين يفكر في شراء مجموعة من المباني الإدارية الصغيرة في منطقة تجارية منشأة
يمكن للمطور إستخدام تحليل إنحدار خطي متعدد لتقدير قيمة مبنى إداري في منطقة معطاة استنادا إلى المتغيرات التالية
المتغير يشير إلى
y القيمة المقدرة للمبنى الإداري
x1 مساحة الطابق بالقدم المربع
x2 عدد المكاتب
x3 عدد المداخل
x4 عمر المبنى الإداري بالسنوات
ملاحظة
يفترض هذا المثال وجود علاقة ثابتة بين كل متغير مستقل (x1 وx2 و x3و x4) والمتغير التابع (y) وهي قيمة المباني الإدارية في المنطقة
يختار المطور عينة عشوائية مكونة من 11 مبنى إداري من بين 1.500 مبنى إداري ويحصل على البيانات التالية "مدخل مفرد" تعني مدخل للإستقبال فقط
يجب إدخال الصيغة كصيغة صفيف حدد النطاق المراد إدخال الصيغة فيه ثم أدخل الصيغة ثم اضغط CTRL+SHIFT+ENTER
عند الإدخال كصفيف يتم إرجاع إحصائيات الإنحدار التالية إستخدم هذا الأساس لتعريف الإحصائية التي تريدها
يمكن الحصول الآن على معادلة الإنحدار المتعدد b+y=m1*x1+m2*x2+m3*x3+m4*x4 بإستخدام القيم من الصف 32
y =(27.64138737*x1)+(12529.76817*x2)+(2553.21066*x3)+(-234.2371645*x4)+(52317.83051)
يمكن للمطور الآن أن يقوم بتقدير قيمة مبنى إداري في نفس المنطقة مساحته 2.500 قدم مربع ويتكون من ثلاثة مكاتب ومدخلين وعمره 25 سنة بإستخدام المعادلة التالية
y =(27.64138737*-234.2371645)+(12529.76817*2553.21066)+(2553.21066*12529.76817)-(234.2371645* 27.64138737)+(52317.83051)=158261.096
يمكنك أيضا إستخدام دالة TREND لحساب هذه القيمة
مثال 4: إستخدام إحصائيات F وR2
في المثال السابق يكون معامل التحديد أو r2 هو 0.996747993 (إنظر الخلية A38 في ناتج LINEST في المثال الثالث) الذي يشير إلى وجود علاقة قوية بين المتغيرات المستقلة وسعر البيع يمكنك إستخدام إحصائية F لتحديد ما إذا كانت تلك النتائج مع قيمة r2 المرتفعة هذه قد حدثت عشوائيا
إفترض الآن أنه لا يوجد بالفعل علاقة بين المتغيرات بل أنك قد رسمت بمجرد عينة نادرة من 11 مبنى إداري تؤدي إلى عرض علاقة قوية للتحليل الإحصائي يستخدم المصطلح "إلفا" لإحتمال خطأ إستنتاج وجود علاقة
توجد علاقة بين المتغيرات إذا كانت الإحصائية F الملاحظة أكبر من قيمة F الحرجة يمكن الحصول على القيمة الحرجة F بالرجوع إلى جدول القيم الحرجة F في العديد من كتب الإحصاء لقراءة الجدول إفترض إختبار منفرد إستخدم قيمة إلفا قدرها 0.05 وبالنسبة لدرجات الحرية (مختصرة في معظم الجداول كـ v1 وv2) إستخدم v1=k = 4 وv2=n-(k+1)=11-(4+1)=6 حيث k هي عدد المتغيرات في تحليل الإنحدار وn هي عدد نقاط البيانات القيمة الحرجة F هي 4.53
قيمة f الملاحظة هي 459.7536742 (الخلية A39) وهي فعليا أكبر من القيمة الحرجة F التي تكون قدرها 4.53 لذلك تكون معادلة الإنحدار مفيدة في توقع القيمة المقدرة للمباني الإدارية في هذه المنطقة
مثال 5: حساب الإحصائيات T
يحدد إختبار إفتراضي آخر ما إذا كان كل معامل ميل مفيدا في تحديد القيمة المقدرة لمبنى إداري في المثال 3 مثلا لإختبار معامل العمر للأهمية الإحصائية قم بقسمة -234.2371645 (معامل ميل العمر) على 13.26801148 (الخطأ المعياري المقدر لمعاملات العمر في الخلية A37) فيما يلي هو قيمة الملاحظة
t = m4 ÷ se4 = -234.2371645 ÷ 13.26801148 = -17.6542781
إذا قمت بمراجعة جدول في دليل إحصاء ستجد أن قيمة t الحرجة وحيدة الطرف مع 6 درجات للحرية وإلفا=0.05 تكون 1.94 ولأن القيمة المطلقة لـ t هي 17.6542781 أكبر من 1.94 يصبح العمر متغير مهم عند تقدير القيمة المقدرة لمبنى إداري يمكن إختبار كل متغير من المتغيرات المستقلة الأخرى للأهمية الإحصائية بطريقة مماثلة في المثال المرفق قيم t الملحوظة لكل من المتغيرات المستقلة
تحتوي كافة تلك القيم على قيم مطلقة أكبر من 1.94 لذلك فإن كافة المتغيرات المستخدمة في معادلة الإنحدار مفيدة في توقع القيمة المقدرة للمباني الإدارية في هذه المنطقة
LOGEST إرجاع معلمات إتجاه أسي تقوم بحساب أحد المنحنى الأسي الذي يلائم بياناتك وإرجاع صفيف قيم يصف المنحنى ولأن هذه الدالة تقوم بإرجاع صفيف من القيم يجب إدخالها بصيغة الصفيف
تكون المعادلة للمنحنى هي
y = b*m^x or
y = (b*(m1^x1)*(m2^x2)*_) ( إذا كان هناك مضاعفات لقيم x)
حيث تكون قيمةy (ص) التابعة عبارة عن دالة من قيم x (س) المستقلة وتكون قيم m عبارة عن أساسات تناظر كل أس لقيمة x وتكون b قيمة ثابتة لاحظ أنه يمكن أن تكون x و y و m كميات متجهة ويكون الصفيف الذي تقوم LOGEST بإرجاعه هو {mn,mn-1,...,m1,b}
الشكل العام
=LOGEST(known_y's;known_x's;const;stats)
Known_y's (معطيات ص) = مجموعة قيم y (ص) التي تعرفها بالفعل في العلاقة y = b*m^x
إذا كان الصفيف Known_y's في عامود مفرد يتم تفسير كل عامود لـ Known_x's كمتغير مفرد
إذا كان الصفيف known_y's في صف مفرد يتم تفسير كل صف لـ known_x's كمتغير منفصل
Known_x's (معطيات س) = مجموعة إختيارية من قيم x (س) تعرفها بالفعل في العلاقة y = b*m^x
من الممكن أن يتضمن الصفيف known_x's مجموعة أو أكثر من المتغيرات في حالة إستخدام متغير واحد فقط فمن الممكن أن يكون known_y's وknown_x's عبارة عن نطاقات لأي شكل طالما أن أبعادهما متساوية وفي حالة إستخدام أكثر من متغير واحد يجب أن تكون known_y's نطاقا من الخلايا إرتفاعه صف واحد أو عرضه عامود واحد (والذي يعرف أيضا بكمية موجهة)
إذا تم حذف known_x's يفترض أن تكون الصفيف {1,2,3،...} الذي يكون بنفس حجم known_y's
Const (ثابت) = قيمة منطقية تحدد ما إذا كان سيتم فرض الثابت b ليساوي 1 (صفر)
إذا كانت const تساوي TRUE أو مهملة يتم حساب b بالشكل المعتاد
إذا كانت const تساوي FALSE يتم تعيين b لتساوي 1 وتتلاءم قيم m مع y = m^x
Stats (إحصائيات) = قيمة منطقية تحدد ما إذا كان سيتم إرجاع إحصائيات إنحدار إضافية
إذا كانت stats تساوي TRUE تقوم LOGEST بإرجاع إحصائيات الإنحدار الإضافية وبذلك يكون الصفيف الذي تم إرجاعه هو {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r 2,sey; F,df;ssreg,ssresid}
إذا كانت stats تساوي FALSE أو محذوفة تقوم LOGEST بإرجاع معاملات m فقط والثابت b
للحصول على مزيد من المعلومات حول إحصائيات الإنحدار الإضافية إنظر LINEST
تنويه
كلما كان شكل رسم بياناتك أكثر تمثيلا للمنحنى الأسي كلما زادت ملائمة الخط المحسوب لبياناتك ومثل LINEST تقوم LOGEST بإرجاع صفيف قيم
-----------------------------------------------
نقدم لكم شرح كامل وتفصيلى لكل الدالات الاحصائية من دولة الامارات العربية -ابو ظبى اعداد
محمد سيسكوم ومحمد عايش
-------------------------------------------------------------------------
Prepare By : Mohamed Aish & Mohamed Azam
Abu Dhabi – UAE
10 - 4 - 2009
الدالات الإحصائية وعددها 79 دالة
يوجد في الملف المرفق مثال لكل دالة
AVEDEV إرجاع متوسط الإنحرافات المطلقة لنقاط البيانات من الوسط الخاص بها AVEDEV عبارة عن مقياس التباين في مجموعة البيانات
الشكل العام
AVEDEV(number1;number2;...)=
متحولاته
من 1 إلى 30
نوع المتحولات
أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت الخلية على نص أو قيمة منطقية أو فراغ يتم تجاهل تلك القيم بالرغم من تضمين الخلايا التي تحتوي القيمة الصفرية في الحساب
يتأثر هذا التابع بوحدة القياس المستعملة في الخلايا
و هذه معادلة التابع
AVERAGE إرجاع متوسط الوسائط الخاصة بها ( المتوسط الحسابي )
الشكل العام
AVERAGE(number1;number2;...)=
متحولاته
من 1 إلى 30
نوع المتحولات
أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر
AVERAGEA إرجاع متوسط الوسائط الخاصة بها بما في ذلك الأرقام والنص والقيم المنطقية
AVERAGEA(value1;value2;...)=
متحولاته
من 1 إلى 30
نوع المتحولات
أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
يتم تقييم وسائط الصفيف أو المرجع التي تحتوي على نص إلى 0 (صفر) يتم تقييم النص الفارغ ("") إلى 0 (صفر) إذا كان لا يجب أن يحتوي الحساب على قيم نصية في المتوسط إستخدم الدالة AVERAGE
BETADIST إرجاع دالة كثافة إحتمالات بيتا التراكمية يتم إستخدام دالة كثافة إحتمالات بيتا التراكمية لدراسة تباين النسب المئوية لشيء ما في مجموعة العينات مثل جزء اليوم الذي يقضيه الأشخاص في مشاهدة التليفزيون
الشكل العام
BETADIST(X;Alpha;Beta;A;B)=
متحولاته
X = القيمة بين A و B التي يتم تقييم الدالة عندها
Alpha = معلمة التوزيع
Beta = معلمة التوزيع
A = الحد الأدنى الإختياري للفاصل الزمني ل ( X )
B = الحد الأعلى الإختياري للفاصل الزمني ل ( X )
إذا كانت أي وسيطة غير رقمية تقوم BETADIT بإرجاع الخطأ !VALUE#
إذا كانت ( alpha ≤ 0 ) أو ( beta ≤ 0 ) تقوم BETADIST بإرجاع الخطأ #NUM!
إذا كانت ( x < A ) أو ( x > B ) أو ( A = B ) تقوم BETADIST بإرجاع الخطأ #NUM!
في حالة حذف قيم A وB تقوم BETADIST بإستخدام توزيع بيتا التراكمي القياسي بحيث ( A = 0 ) و ( B = 1 )
BETAINV إرجاع معكوس دالة كثافة إحتمالات بيتا التراكمية بمعنى آخر إذا كان الإحتمال = x و كثافة الإحتمال = y عند ذلك يكون x=BETADIST(y;........) و يكون y=BETAINV(x;.......) يمكن إستخدام توزيع بيتا التراكمي في تخطيط المشروعات لتخطيط مواعيد الإنتهاء المحتملة بإعطاء الوقت المتوقع للإكمال
الشكل العام
BETAINV(Probability;Alpha;Beta;A;B)=
متحولاته
Probability = الإحتمال المقترن بتوزيع بيتا
Alpha = معلمة التوزيع
Beta = معلمة التوزيع
A = الحد الأدنى الإختياري للفاصل الزمني ل ( X )
B = الحد الأعلى الإختياري للفاصل الزمني ل ( X )
إذا كانت أية وسيطة غير رقمية تقوم BETAINV بإرجاع الخطأ !VALUE#
إذا كانت ( alpha ≤ 0 ) أو ( beta ≤ 0 ) تقوم BETAINV بإرجاع الخطأ !NUM#
إذا كانت ( probability ≤ 0 ) أو ( probability > 1 ) تقوم BETAINV بإرجاع الخطأ !NUM#
في حالة حذف قيم A وB تقوم BETAINV بإستخدام توزيع بيتا التراكمي القياسي بحيث ( A = 0 ) و (B = 1 )
تستخدم BETAINV الإسلوب التكراري لحساب الدالة بإعطاء قيمة إحتمال تقوم BETAINV بحساب التكرار حتى يصبح الناتج مساويا لـ (-7^10*3-/+ ) إذا لم يتم تقارب BETAINV بعد 100 تكرار تقوم الدالة بإرجاع الخطأ #N/A
BINOMDIST إرجاع الحد الجبري الفردي لإحتمال توزيع ذي حدين إستخدم BINOMDIST في المسائل التي تتعلق بعدد ثابت من الإختبارات أو التجارب وعندما تكون نتائج أية تجربة عبارة عن نجاح أو فشل فقط وعندما تكون التجارب مستقلة وعندما يكون إحتمال النجاح ثابت في كافة مراحل التجربة فعلى سبيل المثال يمكن لـ BINOMDIST حساب إحتمالية أن يكون طفلان من ثلاثة أطفال سيتم ولادتهما ذكورا
الشكل العام
BINOMDIST(number_s;trials;probability_s;cumulative)=
متحولاته
number_s= عدد مرات النجاح في التجارب
trials = عدد التجارب المستقلة
probability_s = إحتمال النجاح في كل تجربة
cumulative = القيمة المنطقية التي تحدد نموذج الدالة إذا كانت TRUE = cumulative تقوم BINOMDIST بإرجاع دالة التوزيع التراكمي وهي لإحتمال أن هناك عدد مرات (number_s) من النجاح في الغالب وإذا كانت FALSE تقوم بإرجاع دالة مجموع الإحتمالات وهي لإحتمال أن هناك عدد مرات (number_s) من النجاح
تنويه
يتم تحويل Number_s و trials إلى أعداد صحيحة
إذا كانت number_s أو trials أو probability_s غير رقمية تقوم BINOMDIST بإرجاع الخطأ #VALUE!
إذا كانت ( number_s < 0 ) أو إذا كانت ( number_s > trials ) تقوم BINOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( probability_s < 0 ) أو إذا كانت ( probability_s > 1 ) تقوم BINOMDIST بإرجاع الخطأ #NUM!
معادلة مجموع الإحتمالات ذات الحدين
حيث
(COMBIN(n,x
معادلة التوزيع التراكمي ذو الحدين هي
CHIDIST إرجاع الإحتمال أحادي الطرف لتوزيع كاي التربيعي يقترن توزيع γ2 بإختبار γ2 إستخدم إختبار γ2 لمقارنة القيم التجريبية بالقيم المتوقعة فعلي سبيل المثال تفترض إحدى التجارب الجينية أن الجيل التالي من النباتات سوف يحمل مجموعة معينة من الألوان وبمقارنة النتائج التجريبية بالنتائج المتوقعة يمكنك تقرير ما إذا كانت فرضيتك صالحة
الشكل العام
CHIDIST(x;degrees_freedom)=
متحولاته
X = القيمة التي نريد تقييم التوزيع عندها
degrees_freedom= درجات الحرية
تنويه
إذا كانت إحدى الوسيطتين غير رقمية ترجع CHIDIST الخطأ !VALUE#
إذا كانت x سالبة تقوم CHIDIST بإرجاع الخطأ !NUM#
إذا لم تكن degrees_freedom عددا صحيحا يتم تحويلها إلى عدد صحيح
إذا كانت ( degrees_freedom < 1 ) أو إذا كانت ( degrees_freedom ≥ 10^10 ) تقوم CHIDIST بإرجاع الخطأ #NUM!
يتم حساب CHIDIST كما يلي((x>CHIDIST = P(X) حيث X هو متغير عشوائي لـ γ2
CHIINV إرجاع معكوس الإحتمال وحيد الطرف لتوزيع كاي التربيعي إذا كان الإحتمال = x و معكوس الإحتمال = y عند ذلك يكون x=CHIINV(y;........) و يكون y=CHIINV(x;.......) إستخدم هذه الدالة لمقارنة النتائج التجريبية بالنتائج المتوقعة لتقرر ما إذا كانت فرضيتك الأصلية صالحة
الشكل العام
CHIINV(probability;degrees_freedom)=
Probability = ( الإحتمالية ) إحتمال مقترن بالتوزيع كاي تربيع
Degrees_freedom = درجات الحرية
تنويه
إذا كانت إحدى الوسيطتين غير رقمية ترجع CHINV الخطأ !VALUE#
إذا كانت ( probability < 0 ) أو إذا كانت ( probability > 1 ) تقوم CHIINV بإرجاع الخطأ #NUM!
إذا لم تكن degrees_freedom عددا صحيحا يتم تحويلها إلى عدد صحيح
إذا كانت ( degrees_freedom < 1 ) أو إذا كانت ( degrees_freedom ≥ 10^10 ) تقوم CHIINV بإرجاع الخطأ #NUM!
تستخدم CHIINV إسلوب تكراري لحساب الدالة مع إعطاء قيمة الإحتمال تتكرر CHIINV حتى تتطابق النتيجة مع ( +/-3*10^-7 ) إذا لم تتلاقى CHIINV بعد 100 تكرار تقوم الدالة بإرجاع الخطأ #N/A
CHITEST إرجاع إختبار الإستقلال تقوم CHITEST بإرجاع القيمة الناتجة من التوزيع كاي تربيع (γ2) لإحصاء البيانات ودرجات الحرية المناسبة يمكنك إستخدام إختبارات γ2 في تحديد ما إذا كانت النتائج الفرضية تحققها تجربة ما
الشكل العام
CHITEST(actual_range;expected_range)=
متحولاته
Actual_range = (النطاق الفعلي) مجال البيانات الذي يحتوي على الملاحظة المراد إختبارها مقارنة بالقيم المتوقعة
Expected_range = (النطاق المتوقع) مجال البيانات الذي يحتوي على نسبة حاصل ضرب مجاميع الصفوف ومجاميع الأعمدة إلى المجموع الكلي
تنويه
إذا كان actual_range و expected_range لهما عدد مختلف من نقاط البيانات تقوم CHITEST بإرجاع الخطأ #N/A
يحسب إختبار γ2 أولا إحصائية γ2 ثم يلخص فرق القيم الفعلية عن القيم المتوقعة وتكون معادلة هذه الدالة هي CHITEST=p( X>γ2 )
حيث معادلته هي
وحيث
Aij = التكرار الفعلي في رقم الصف ( i ) ورقم العامود ( j )
Eij = التكرار المتوقع في رقم الصف ( i ) ورقم العامود ( j )
r = عدد الصفوف
c = عدد الأعمدة
فتقوم CHITEST بإرجاع الإحتمال لإحصائية γ2 ودرجات الحرية df حيث df = (r - 1)(c - 1)
CONFIDENCE إرجاع فترة الثقة لوسط مجموعة بيانات فترة الثقة هي النطاق الواقع على أي من جانبي وسط مجموعة البيانات فعلي سبيل المثال إذا طلبت أحد المنتجات عبر البريد يمكنك تحديد بمستوى معين من الثقة أقرب آخر موعد لوصول المنتج
الشكل العام
CONFIDENCE(alpha;standard_dev;size)=
متحولاته
Alpha = (إلفا) مستوى الأهمية المستخدم في حساب مستوى الثقة يساوي مستوى الثقة 100*(1 - إلفا)% بمعنى أن إلفا 0.05 تشير إلى مستوى ثقة قدره 95 بالمائة
Standard_dev (الإنحراف المعياري) = الإنحراف المعياري لمحتوى نطاق البيانات ومفترض أنه معطى
Size (الحجم) = حجم العينة
تنويه
إذا كانت أية وسيطة غير رقمية ترجع SERIESSUM الخطأ !VALUE#
إذا كانت ( alpha ≤ 0 ) أو إذا كانت ( alpha ≥ 1 ) تقوم CONFIDENCE بإرجاع الخطأ !NUM#
إذا كانت ( standard_dev ≤ 0 ) تقوم CONFIDENCE بإرجاع الخطأ #NUM!
إذا لم يكن size عددا صحيحا يتم تحويله إلى عدد صحيح
إذا كان ( size < 1) تقوم CONFIDENCE بإرجاع الخطأ #NUM!
بفرض أن إلفا تساوي 0.05 نحتاج إلى حساب الناحية الواقعة تحت المنحنى المعياري الطبيعي الذي يساوي (1 - إلفا) أو 95 بالمائة تساوي هذه القيمة ± 1.96 ولهذا تكون فترة الثقة حسب المعادلة التالية
معادلة المثال
CORREL إرجاع معامل الإرتباط بين مجموعتين من البيانات إستخدم معامل الإرتباط لتحديد العلاقة بين خاصيتين على سبيل المثال يمكنك فحص العلاقة بين متوسط درجة الحرارة في مكان و إستخدام مكيفات الهواء
الشكل العام
CORREL(array1;array2)=
متحولاته
array1 ( الصفيف 1 ) نطاق خلايا من القيم
array2 ( الصفيف 2 ) نطاق خلايا ثاني من القيم
تنويه
يجب أن تكون الوسائط أرقام أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان الصفيف 1 و الصفيف 2 لهما رقمين مختلفين من نقاط البيانات تقوم CORREL بإرجاع الخطأ #N/A
إذا كان أي من الصفيف 1 أو الصفيف 2 فارغا أو إذا كان (الإنحراف المعياري) لقيمهما يساوي صفر تقوم CORREL بإرجاع الخطأ #DIV/0!
معادلة معامل الإرتباط
حيث
و
COUNT حساب الأرقام الموجودة في قائمة الوسائط إستخدم COUNT للحصول على عدد الإدخالات في حقل أرقام بنطاق أو صفيف الأرقام
الشكل العام
COUNT(value1;value2;...)=
متحولاته
من 1 إلى 30
تنويه
يتم حساب الوسائط التي هي أرقام أو تواريخ أو تمثيلات نصية للأرقام ويتم إهمال الوسائط التي هي قيم خطأ أو نص لا يمكن ترجمته إلى أرقام
إذا كانت إحدى الوسائط عبارة عن صفيف أو مرجع يتم حساب الأرقام الموجودة في هذا الصفيف أو المرجع فقط ويتم تجاهل الخلايا الفارغة أو القيم المنطقية أو النص أو قيم الخطأ الموجودة في الصفيف أو المرجع إذا كنت في حاجة لحساب القيم المنطقية أو النص أو قيم الخطأ إستخدم الدالة COUNTA
COUNTA حساب القيم الموجودة في قائمة الوسائط إستخدم COUNTA لحساب عدد الخلايا التي تحتوي على بيانات في نطاق أو صفيف
الشكل العام
COUNTA(value1;value2;...)=
متحولاته
من 1 إلى 30
تنويه
تكون القيمة أي نوع من المعلومات بما في ذلك النص الفارغ ("") وليس الخلايا الفارغة إذا كانت إحدى الوسائط عبارة عن صفيف أو مرجع يتم تجاهل الخلايا الفارغة الموجودة بداخل الصفيف أو المرجع إذا لم تكن بحاجة إلى حساب القيم المنطقية أو النص أو قيم الخطأ إستخدم الدالة COUNT
COUNTIF حساب عدد الخلايا غير الفارغة في نطاق يطابق المعايير المحددة
الشكل العام
COUNTIF(range;criteria)=
متحولاته
Range (النطاق) = نطاق الخلايا الذي تريد حساب الخلايا منه
Criteria (المعايير) = المعايير التي تتحكم في شكل الرقم أو التعبير أو النص الذي يعرف أي من الخلايا التي يتم حسابها فعلى سبيل المثال يمكن التعبير عن المعايير بالشكل التالي (32)("32")(">32")("تفاح")
تنويه
يوفر البرنامج دالات إضافية يمكن إستخدامها لتحليل بياناتك إستنادا إلى شرط ما فعلى سبيل المثال لحساب مجموع يستند إلى سلسلة نصية أو رقم داخل نطاق إستخدم الدالة SUMIF ولجعل صيغة تقوم بإرجاع إحدى قيمتين إستنادا إلى شرط ما مثل علاوات المبيعات المستندة إلى كمية مبيعات معينة إستخدم الدالة IF
COVAR إرجاع التباين المشترك متوسط نتائج الإنحرافات المزدوجة معدل ضرب الإنحرافات لكل زوج من نقاط البيانات إستخدم التباين المشترك لتحديد العلاقة بين مجموعتين من البيانات فعلي سبيل المثال يمكنك معرفة ما إذا كانت هناك علاقة بين زيادة دخل الشركات بإرتفاع مستوى التعليم
الشكل العام
COVAR(array1;array2)=
متحولاته
Array1 أول خلية ضمن نطاق من الأعداد الصحيحة
Array2 ثاني خلية ضمن نطاق من الأعداد الصحيحة
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان array1 و array2 لهما رقمين مختلفين من نقاط البيانات تقوم COVAR بإرجاع الخطأ #N/A
إذا كان أي من array1 و array2 فارغا تقوم COVAR بإرجاع الخطأ #DIV/0!
معادلة التباين المشترك هي
CRITBINOM إرجاع أصغر قيمة التي يقل التوزيع التراكمي ذي الحدين الخاص بها عن قيمة المعيار أو يتساوى معها إستخدم هذه الدالة لتطبيقات التحقق من الجودة فعلي سبيل المثال إستخدم CRITBINOM لتحديد الحد الأقصى لعدد الأجزاء التالفة المسموح به لمرور من خط تجميع دون رفض الكمية بأكملها
الشكل العام
CRITBINOM(trials;probability_s;alpha)=
متحولاته
Trials = عدد محاولات برنوبي
Probability_s = إحتمال النجاح لكل محاولة
Alpha = قيمة المعيار
تنويه
إذا كانت أي وسيطة غير رقمية تقوم CRITBINOM بإرجاع الخطأ !VALUE#
إذا لم تكن trials عددا صحيحا يتم تحويلها إلى عدد صحيح
إذا كانت ( trials < 0 ) تقوم CRITBINOM بإرجاع الخطأ #NUM!
إذا كانت ( probability_s is < 0 ) أو إذا كانت ( probability_s > 1 ) تقوم CRITBINOM بإرجاع الخطأ!NUM#
إذا كانت ( alpha < 0 ) أو إذا كانت ( alpha > 1 ) تقوم CRITBINOM بإرجاع الخطأ !NUM#
DEVSQ إرجاع مجموع مربعات الإنحرافات لنقاط البيانات عن وسط العينة منها
الشكل العام
DEVSQ(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
معادلته
EXPONDIST إرجاع التوزيع الأسي إستخدم EXPONDIST لتخطيط الوقت بين الأحداث مثل المدة التي تستغرقها ماكينة صرف البنك الآلية في تسليم النقود على سبيل المثال يمكنك إستخدام EXPONDIST لتحديد إحتمالية إستغراق العملية لدقيقة واحدة على الأكثر
الشكل العام
= EXPONDIST(x;lambda;cumulative)
متحولاته
X = قيمة الدالة
Lambda = قيمة المعلمة
Cumulative (تراكم) = القيمة المنطقية التي تشير إلى أي من أشكال الدالة الأسية الذي سيتم تقديمه فإذا كان التراكم يساوي TRUE تقوم EXPONDIST بإرجاع دالة التوزيع التراكمي وإن كان FALSE فإنها ترجع دالة كثافة الإحتمال
تنويه
إذا كانت x أو lambda غير رقمية تقوم EXPONDIST بإرجاع الخطأ !VALUE#
إذا كان ( x < 0 ) تقوم EXPONDIST بإرجاع الخطأ !NUM#
إذا كانت ( lambada ≤0 ) تقوم EXPONDIST بإرجاع الخطأ !NUM#
تكون معادلة دالة كثافة الإحتمال هي
وتكون معادلة دالة التوزيع التراكمي هي
FDIST إرجاع التوزيع الإحتمالي F يمكنك إستخدام هذه الدالة لتحديد ما إذا كان هناك درجات للإختلاف بين مجموعتي البيانات على سبيل المثال يمكنك فحص نقاط الإختبار للفتيان والفتيات المتقدمين لمدرسة ثانوية جديدة وتحديد إذا كانت التباين بين الفتيات مختلف عن ذلك الموجود بين الفتيان
الشكل العام
FDIST(x;degrees_freedom1;degrees_freedom2)=
متحولاته
X = القيمة التي يتم تقييم الدالة عندها
Degrees_freedom1 (درجات الحرية 1) = هي بسط درجات الحرية
Degrees_freedom2 (درجات الحرية 2) = هي مقام درجات الحرية
تنويه
إذا كانت أي وسيطة منها غير رقمية تقوم FDIST بإرجاع الخطأ !VALUE#
إذا كانت x سالبة تقوم FDIST بإرجاع الخطأ !NUM#
إذا لم تكن (درجات_الحرية 1) degrees_freedom1 أو (درجات_الحرية 2) degrees_freedom2 أعدادا صحيحة يتم تحويلها إلى أعداد صحيحة
إذا كانت (degrees_freedom1 < 1 ) أو ( degrees_freedom1 ≥ 10^10 ) تقوم FDIST بإرجاع الخطأ !NUM#
إذا كانت ( degrees_freedom2 < 1 ) أو ( degrees_freedom2 ≥ 10^10 ) تقوم FDIST بإرجاع الخطأ !NUM#
يتم حساب FDIST كـ ( FDIST=P( F<x حيث F متغير عشوائي له التوزيع F
FINV إرجاع التوزيع الإحتمالي العكسي لـF إذا كانت p=FDIST(x;....) تكون x=FINV(y;...)
يمكن إستخدام التوزيع F في إختبارF الذي يقوم بمقارنة التباين بين مجموعتي بيانات على سبيل المثال يمكنك تحليل توزيعات الدخل في الولايات المتحدة وكندا لتحديد ما إذا كان البلدان لهما نفس درجة التباين في الدخل
الشكل العام
=FINV(probability;degrees_freedom1;degrees_freedom2)
متحولاته
Probability = الإحتمال المقترن بالتوزيع التراكميF
Degrees_freedom1 = هي قيمة البسط لدرجات الحرية
Degrees_freedom2 = هي المقام لدرجات الحرية
تنويه
إذا كانت أي وسيطة غير رقمية تقوم FINV بإرجاع الخطأ !VALUE#
إذا كانت ( probability < 0 ) أو ( probability >1 ) تقوم FINV بإرجاع الخطأ !NUM#
إذا لم تكن degrees_freedom1 أو degrees_freedom2 أعدادا صحيحة يتم تحويلها إلى أعداد صحيحة
إذا كانت ( degrees_freedom1 <1 ) أو( degrees_freedom1 ≥ 10^10 ) تقوم FINV بإرجاع الخطأ !NUM#
إذا كانت ( degrees_freedom2 < 1 ) أو ( degrees_freedom2 ≥ 10^10 ) تقوم FINV بإرجاع الخطأ !NUM#
يمكن إستخدام FINV لإرجاع القيم الحرجة من التوزيع F على سبيل المثال يتضمن إخراج حسابات ANOVA غالبا بيانات للإحصائية F و الإحتمال F والقيمة الحرجة لـ F في مستوى الأهمية 0.05 ولإرجاع القيمة الحرجة لـ F إستخدم المستوى أهمية كوسيطة الإحتمال لـ FINV
تستخدم FINV الإسلوب التكراري لحساب الدالة عند إعطاء قيمة الإحتمال تقوم FINV بالتكرار إلى أن تكون النتيجة ( -/+3*10^-7 ) وإذا لم تتقارب FINV بعد 100 مرة من التكرار تقوم الدالة بإرجاع الخطأN/A#
FISHER إرجاع تحويل Fisher يعطى هذا التحويل دالة ما يتم توزيعها بشكل طبيعي ولا يحدث فيها تخالف إستخدم هذه الدالة لتنفيذ الإختبار الإفتراضي في معامل الإرتباط
الشكل العام
FISHER(X)
متحولاته
X القيمة الرقمية التي تريد التحويل لها
تنويه
إذا كانت x غير رقمية تقوم FISHER بإرجاع الخطأ !VALUE#
إذا كانت ( x ≤ -1 ) أو إذا كانت ( x ≥ 1) تقوم FISHER بإرجاع الخطأ !NUM#
وتكون معادلة تحويل Fisher هي
FISHERINV إرجاع التحويل العكسي لـFisher إستخدم هذا التحويل عند تحليل الإرتباطات بين المجالات أو صفائف البيانات إذا كان y = ( x FISHER( يكون FISHERINV(y) = x
الشكل العام
(FISHERINV(y=
متحولاته
Y = القيمة التي تريد تنفيذ التحويل العكسي إليها
تنويه
إذا كانت y غير رقمية تقوم FISHERINV بإرجاع الخطأ !VALUE#
وتكون معادلة تحويل Fisher العكسي هي
FORECAST إرجاع قيمة موجودة على إتجاه خطي تكون القيمة المتوقعة عبارة عن قيمة حل لقيمة س المعطاة القيم المعطاة هي قيم س وقيم ص الموجودة وقيم التنبؤ بالقيمة الجديدة بإستخدام الإنحدار الخطي يمكنك إستخدام هذه الدالة للتنبؤ بالمبيعات ومتطلبات المخزون و إتجاهات السوق المستقبلية
الشكل العام
FORECAST(x;known_x's;known_y's)=
متحولاته
X (س) = نقطة البيانات التي تريد التنبؤ بقيمتها
Known_y's (معطيات ص) = صفيف أو نطاق البيانات التابع
Known_x's (معطيات س) = صفيف أو نطاق البيانات المستقل
تنويه
إذا كانت x غير رقمية تقوم FORECAST بإرجاع الخطأ !VALUE#
إذا كان known_y's و known_x's فارغتين أو تحتويان على عدد مختلف من نقاط البيانات تقوم FORECAST بإرجاع الخطأ N/A#
إذا كان تباين known_x's يساوي صفرا تقوم FORECAST بإرجاع الخطأ !DIV/0 #
وتكون معادلة FORECAST هي ( a+bx ) حيث
و
FREQUENCY إرجاع توزيع تكراري كصفيف عامودي على سبيل المثال إستخدم FREQUENCY لحساب عدد نقاط الإختبار التي تقع ضمن مجموع النقاط نظرا لإرجاع FREQUENCY صفيف فيجب إدخالها كصيغة صفيف
الشكل العام
FREQUENCY(data_array;bins_array)=
متحولاته
Data_array (صفيف بيانات) = صفيف أو مرجع لمجموعة من القيم التي تريد حساب التكرارات لها إذا كانت data_array لا تحتوى على أية قيم تقوم FREQUENCY بإرجاع صفيف من الأصفار
Bins_array (صفيف بيانات) = صفيف أو مرجع مجموعة القيم التي تريد تجميع القيم بداخلها ضمن data_array فإذا كانت bins_array لا تحتوي على قيم تقوم FREQUENCY بإرجاع عدد العناصر الموجودة في data_array
تنويه
يتم إدخال FREQUENCY كصيغة صفيف بعد تحديد نطاق من الخلايا المتجاورة التي تريد حساب التوزيع المرتجع لها
تزداد عدد العناصر في الصفيف الذي يتم إرجاعه عنصرا واحدا عن عدد العناصر الموجود في bins_array يوضح العنصر الزائد في الصفيف الذي تم إرجاعه عدد التي تزيد عن القيمة العليا على سبيل المثال عند حساب ثلاثة نطاقات من القيم (الفواصل) التي تم إدخالها في ثلاث خلايا تأكد من إدخال FREQUENCY ضمن أربع خلايا للحصول على النتائج ترجِع الخلية الزائدة عدد القيم في data_array التي هي أكبر من القيمة الفاصلة الثالثة
تتجاهل FREQUENCY الخلايا الفارغة والنص
يجب إدخال الصيغ التي تقوم بإرجاع صفائف كصيغ صفائف
ملاحظة
يجب إدخال الصيغة كصيغة صفيف حدد النطاق المراد إدخال الصيغة فيه ثم أدخل الصيغة ثم اضغط CTRL+SHIFT+ENTER إذا لم يتم إدخال الصيغة كصيغة صفيف يكون الناتج المفرد 1
FTEST إرجاع نتيجة إختبارF يقوم إختبار F بإرجاع الإحتمال وحيد الطرف الذي تتباين فيه Array1 و Array2 بشكل غير مختلف إختلافا كبيرا إستخدم هذه الدالة لتحديد ما إذا كانت عينتان بهما تباينات مختلفة على سبيل المثال عند معرفة درجات إختبارات من المدارس الحكومية والمدارس الخاصة يمكنك إختبار ما إذا كانت هذه المدارس بها مستويات مختلفة من تباين درجات الإختبارات
الشكل العام
(FTEST(array1;array2
متحولاته
Array1 (صفيف 1) = صفيف أو نطاق البيانات الأول
Array2 (صفيف 2) = صفيف أو نطاق البيانات الثاني
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان عدد نقاط البيانات في array1 أو array2 أقل من 2 أو إذا كان تباين array1 أو array2 صفر تقوم FTEST بإرجاع الخطأ !DIV/0 #
GAMMADIST إرجاع توزيع غاما يمكنك إستخدام هذه الدالة لدراسة المتغيرات التي قد يكون لها توزيع متخالف ويستخدم توزيع غاما بشكل شائع في تحليل الإصطفاف
الشكل العام
GAMMADIST(x;alpha;beta;cumulative)=
متحولاته
X = القيمة التي تريد تقييم التوزيع عندها
Alpha (إلفا) = معلمة للتوزيع
Beta (بيتا) = هي معلمة التوزيع إذا كانت ( beta = 1) تقوم GAMMADIST بإرجاع توزيع غاما القياسي
Cumulative (تراكم) = هي إحدى القيم المنطقية التي تحدد شكل الدالة إن كانت ( TRUE = cumulative ) تقوم GAMMADIST بإرجاع دالة التوزيع التراكمي وإن كانت تساوي ( FALSE ) تقوم بإرجاع دالة الإحتمالات غير التراكمية
تنويه
إن لم يكن x أوalpha أو beta رقما تقوم GAMMADIST بإرجاع الخطأ !VALUE#
إذا كان ( x < 0) تقوم GAMMADIST بإرجاع الخطأ !NUM#
إذا كان ( alpha ≤ 0 ) أو إذا كان ( beta ≤ 0) تقوم GAMMADIST بإرجاع الخطأ !NUM#
تكون معادلة توزيع غاما هي
ويكون توزيع غاما القياسي هو
عندما تكون ( alpha=1 ) تقوم GAMMADIST بإرجاع التوزيع الأسي مع
بالنسبة للعدد الصحيح الموجب (n) عندما تكون ( alpha= (n)\2) و ( beta=2 ) و (cumulative= TRUE ) تقوم GAMMADIST بإرجاع (1 - CHIDIST(×)) مع (عددn) من درجات الحرية
عندما تكون alpha عدد صحيح موجب فإن GAMMADIST تعرف أيضا كتوزيع Erlang
GAMMAINV إرجاع توزيع غاما التراكمي العكسي إذا كانت (...,p = GAMMADIST(x تكون GAMMAINV(p,...) = x يمكنك إستخدام هذه الدالة لدراسة متغير قد يكون له توزيع متخالف
الشكل العام
(=GAMMAINV(probability;alpha;beta
متحولاته
Probability (الإحتمال) = الإحتمال المقترن بتوزيع غاما
Alpha(إلفا) = معلمة للتوزيع
Beta (بيتا) = معلمة للتوزيع
إذا كانت ( beta=1 ) تقوم GAMMAINV بإرجاع توزيع غاما القياسي
تنويه
إذا كانت أي وسيطة غير رقمية تقوم GAMMAINV بإرجاع الخطأ !VALUE#
إن كان ( probability < 0 ) أو ( probability >1) تقوم GAMMAINV بإرجاع الخطأ !NUM#
إذا كان ( alpha ≤ 0 ) أو إن كان ( beta ≤0) تقوم GAMMAINV بإرجاع الخطأ !NUM#
تستخدم GAMMAINV الإسلوب التكراري لحساب الدالة عند معرفة قيمة الإحتمال تتكرر GAMMAINV حتى يصبح الناتج مساويا لـ ( +/-3*10^-7 ) إذا لم تتقارب GAMMAINV بعد 100 تكرار تقوم الدالة بإرجاع الخطأ N\A#
GAMMALN إرجاع اللوغاريتم الطبيعي لدالة غاما (Γ(x
الشكل العام
x))GAMMALN=
متحولاته
X = القيمة التي تريد حساب GAMMALN لها
تنويه
إذا كانت x غير رقمية تقوم GAMMALN بإرجاع الخطأ !VALUE#
إذا كانت ( x ≤ 0) تقوم GAMMALN بإرجاع الخطأ !NUM#
يقوم العدد e المرفوع إلى قوة (GAMMALN(i ( حيث i عدد صحيح ) بإرجاع نفس ناتج (i - 1)!
يتم حساب GAMMALN حسب المعادلة
حيث
GEOMEAN إرجاع الوسط الهندسي لصفيف أو لنطاق من البيانات الموجبة على سبيل المثال يمكنك إستخدام GEOMEAN لحساب معدل متوسط النمو للفائدة المركبة مع المعدلات المتغيرة
الشكل العام
GEOMEAN(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كان أي نقطة بيانات ≤0 تقوم GEOMEAN بإرجاع الخطأ !NUM#
تكون معادلة الوسط الهندسي هي
GROWTH إرجاع القيم الموجودة على خط أسي تقوم GROWTH بإرجاع قيم ص لسلسة من قيم س الجديدة التي تعينها بإستخدام قيم س و قيم ص الموجودة يمكنك أيضا إستخدام دالة GROWTH لتناسب أحد المنحنيات الأسية لقيم س و قيم ص الموجودة
الشكل العام
GROWTH(known_y's,known_x's;new_x's;const)=
متحولاته
Known_y's (معطيات ص) = هي مجموعة من قيم y (ص) التي تعرفها بالفعل في العلاقة y = b*m^x
إذا كان الصفيف Known_y's في عامود مفرد يتم تفسير كل عامود لـ Known_x's كمتغير مفرد
إذا كان الصفيف Known_y's في صف مفرد يتم تفسير كل صف من Known_x's كمتغير مفرد
إذا كان أي من الأعداد في known_y's يساوي 0 (صفر) أو سالبا تقوم GROWTH بإرجاع الخطأ !NUM#
Known_x's (معطيات س) = مجموعة إختيارية من قيم x (س) تعرفها بالفعل في العلاقة y = b*m^x
يمكن للصفيف known_x's أن يتضمن مجموعة أو أكثر من المتغيرات إذا تم إستخدام متغير واحد فقط يمكن أن تكون known_y's وknown_x's في أي شكل من النطاقات طالما كان تتضمن أبعاد متساوية إذا تم إستخدام أكثر من متغير واحد يجب أن تكون known_x's كمية موجهة (أي نطاق بإرتفاع صف واحد أو بعرض عامود واحد)
إذا تم حذف known_x's يفترض أن تكون الصفيف {3,2,1،...} الذي يكون بنفس حجم known_y's
New_x's (قيم س الجديدة) = هي قيم س الجديدة التي تريد من GROWTH إرجاعها لقيم ص المطابقة
يجب أن تتضمن new_x's عامود ( أو صف) لكل متغير مستقل تماما مثل known_x's إذا كانت known_y's في عامود مفرد فيجب أن يكون عدد الأعمدة في known_x's وnew_x's متساوي إذا كانت known_y's في صف مفرد فيجب أن يكون عدد الصفوف في known_x's وnew_x's متساوي
إذا تم حذف new_x's يفترض أن تكون نفس known_x's
إذا تم حذف كل من known_x's و new_x's سيفترض أن يكونا الصفيف {3،2،1،...} الذي يكون بنفس حجم known_y's
Const (ثابت) = قيمة منطقية تحدد ما إذا كان سيتم فرض الثابت b ليساوي 1
إذا كانت const تساوي TRUE أو محذوفة يتم حساب b بالشكل المعتاد
إذا كانت const تساوي FALSE يتم تعيين b تساوي 1 ويتم ضبط القيمة m بحيث y = m^x
تنويه
يجب إدخال الصيغ التي ترجع الصفائف كصيغ صفائف بعد تحديد عدد الخلايا الصحيح
عند إدخال ثابت صفيف لوسيطة مثل known_x's إستخدم فواصل لفصل القيم في نفس الصف وفواصل منقوطة لفصل الصفوف
ملاحظة
توضح الصيغة الأولى القيم المناظرة للقيم المعطاة تقوم الصيغة الثانية بتوقع قيم الأشهر التالية إذا استمر الإتجاه الأسي
يجب إدخال الصيغة في المثال كصيغة صفيف حدد مجالي البيانات اضغط على المفتاح F2 ثم أدخل الصيغة ثم اضغط CTRL+SHIFT+ENTER إذا لم يتم إدخال الصيغة كصيغة صفيف ستكون النتائج وحيدة
HARMEAN إرجاع الوسط التوافقي ( الوسط التوافقي هو معكوس الوسط الحسابي لمقلوب الأرقام )
الشكل العام
HARMEAN(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا كانت أي نقطة بيانات ≤0 تقوم HARMEAN بإرجاع قمة الخطأ !NUM#
يكون الوسط التوافقي دائما أقل من الوسط الهندسي والذي يكون دائما أقل من الوسط الحسابي
معادلة الوسط الحسابي هي
HYPGEOMDIST إرجاع التوزيع الهندسي الزائد ترجع HYPGEOMDIST الإحتمال لعدد معطى من عينات النجاح مع إعطاء حجم العينة وعدد مرات النجاح لمجموعة البيانات وحجمها إستخدم HYPGEOMDIST لحل المشكلات التي تتعلق بالمحتوى المنتهى وحيث يتم إختيار كل مجموعة فرعية ذات حجم معطى بإحتمال متساو
الشكل العام
HYPGEOMDIST(sample_s;number_sample;population_s;number_population)=
متحولاته
Sample_s = عدد مرات النجاح في العينة
Number_sample = حجم العينة
Population_s = عدد مرات النجاح في المحتوى الكلي
Number_population = حجم المحتوى الكلي
تنويه
يتم تحويل كافة الوسائط إلى أعداد صحيحة
إذا كانت أي وسيطة غير رقمية تقوم HYPGEOMDIST بإرجاع الخطأ !VALUE#
إذا كانت ( sample_s < 0 ) أو ( sample_s أكبر من أدنى number_sample أو population_s ) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كان ( sample_s أقل من عدد أكبر من 0 ) أو (number_sample من- number_population + population_s) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( number_sample <0 ) أو ( number_sample > number_population ) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( population_s <0 ) أو ( population_s > number_population ) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
إذا كانت ( number_population < 0) تقوم HYPGEOMDIST بإرجاع الخطأ !NUM#
معادلة التوزيع الهندسي الفوقي هي
حيث
x = sample_s
n = number_sample
M = population_s
N = number_population
تستخدم HYPGEOMDIST في حساب العينات بدون التعويض من المجتمع المنتهى
في المثال
تحتوي عينة من الشيكولاتة على 20 قطعة ثماني قطع منها بالكراميل و 12 الباقية بجوز الهند في حالة انتقاء شخص 4 قطع عشوائيا فإن الدالة التالية ترجع إحتمال أن يكون هناك من بينهم واحدة بالكراميل بالتأكيد
INTERCEPT إرجاع الجزء المحصور لخط الإنحدار الخطي تستند نقطة التقاطع إلى أفضل إنحدار ملائم للخط المرسوم غير قيم س وقيم ص المعطاة إستخدم الدالة INTERCEPT عندما تريد تحديد قيمة المتغير التابع عندما يكون المتغير التابع 0 (صفر) على سبيل المثال يمكنك إستخدام دالة INTERCEPT لتوقع مقدار المقاومة الكهربية لمعدن عند 0°درجة الصفر المئوي عند قياس نقاط البيانات في درجة حرارة الغرفة أو أعلى
الشكل العام
(INTERCEPT(known_y's;known_x's=
متحولاته
Known_y's (معطيات ص) = مجموعة الملاحظات أو البيانات التابعة
Known_x's (معطيات س) = مجموعة الملاحظات أو البيانات المستقلة
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم رغم ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
إذا إحتوى known_y's وknown_x's على عدد مختلف من نقاط البيانات أو كانت لا تحتوي على نقاط بيانات تقوم INTERCEPT بإرجاع الخطأ N/A#
تكون معادلة التقاطع لخط الإنحدار هي
حيث تم حساب الميل كما يلي
KURT إرجاع تفلطح مجموعة بيانات يصف التفرطح الذروة النسبية أو الركود النسبي مقارنة للتوزيع العادي يشير التفرطح الموجب لتوزيع ذروة نسبي ويشير التفرطح السالب إلى توزيع ركود نسبي
الشكل العام
KURT(number1;number2;...)=
متحولاته
من 1 إلى 30
تنويه
يجب أن تكون الوسائط إما أرقاما أو أسماء أو صفائف أو مراجع تحتوي على أرقام
إذا إحتوت وسيطة صفيف أو مرجع على نص أو قيم منطقية أو خلايا فارغة يتم تجاهل تلك القيم وبالرغم من ذلك يتم تضمين الخلايا التي تحتوي على قيمة الصفر (0)
في حالة وجود أقل من أربع نقاط للبيانات أو إذا كان الإنحراف المعياري للعينة يساوي صفرا تقوم KURT بإرجاع الخطأ #DIV/O!
يتم تعريف التفرطح كما يلي
حيث
s = عينة الإنحراف المعياري للعينة
LARGE إرجاع أكبر قيمة ترتيبها k في مجموعة بيانات يمكنك إستخدام هذه الدالة لتحديد قيمة تستند إلى موقعها النسبي يمكنك مثلا إستخدام LARGE لإرجاع أعلى نقطة تقدير أو مركز النقطة التي تليها أو المركز الثالث
الشكل العام
=LARGE(array;k)
متحولاته
Array = الصفيف أو نطاق البيانات الذي تريد تحديد ترتيب أكبر قيمة له K
K = الموضع (من الأكبر) في الصفيف أو نطاق البيانات الذي سيتم إرجاعه
تنويه
إذا كانت array فارغة تقوم LARGE بإرجاع الخطأ !NUM#
إذا كان ( k ≤ 0 ) أو إذا كانت k أكبر من عدد نقاط البيانات تقوم LARGE بإرجاع الخطأ !NUM#
إذا كان عدد نقاط البيانات في نطاق هو n فتقوم (LARGE (array,1 بإرجاع أكبر قيمة وتقوم (LARGE (array,n بإرجاع أصغر قيمة
LINEST إرجاع معلمات إتجاه خطي بإستخدام طريقة "القيمة الصغرى لمجموع المربعات" لحساب خط مستقيم يناسب بياناتك بالشكل الأمثل و إرجاع صفيف يصف الخط نظرا لأن هذه الدالة تقوم بإرجاع صفيف من القيم يجب إدخالها كصيغة صفيف
معادلة الخط هي
y = mx + b أو
y = m1x1 + m2x2 + ... + b (في حالة وجود نطاقات متعددة لقيم x)
حيث تكون قيم y التابعة هي دالة لقيم x المستقلة وتعد قيم m معاملات مطابقة لكل قيمة من قيم x وتكون b قيمة ثابتة
لاحظ أن y و x و m يمكن أن تكون كميات موجهة و الصفيف الذي تقوم LINEST بإرجاعه هو {mn,mn-1,...,m1,b} يمكن أن تقومLINEST أيضا بإرجاع إحصائيات إنحدار إضافية
الشكل العام
LINEST(known_y's;known_x's;const;stats)=
متحولاته
Known_y's (معطيات ص) = مجموعة من قيم y (ص) التي تعرفها مسبقا في العلاقة y = mx + b
إذا كان الصفيف Known_y's في عامود مفرد يتم تفسير كل عامود لـ Known_x's كمتغير مفرد
إذا كان الصفيف known_y's في صف مفرد يتم تفسير كل صف لـ known_x's كمتغير منفصل
Known_x's (معطيات س) = مجموعة إختيارية من قيم x (س) التي قد تعرفها مسبقا في العلاقة y = mx + b
يمكن للصفيف known_x's أن يتضمن مجموعة أو أكثر من المتغيرات إذا تم إستخدام متغير واحد فقط يمكن أن تكون known_y's وknown_x's نطاقات من أي شكل طالما كانت ذات أبعاد متساوية إذا تم إستخدام أكثر من متغير واحد يجب أن تكون known_x's كمية موجهة (أي نطاق بإرتفاع صف واحد أو بعرض عامود واحد)
إذا تم حذف known_x's يفترض أن تكون الصفيف {1,2,3،...} الذي يكون بنفس حجم known_y's
Const (ثابت) = قيمة منطقية تحدد ما إذا كان سيتم فرض الثابت b ليساوي 0 (صفر)
إذا كانت const تساوي TRUE أو محذوفة يتم حساب b بالشكل المعتاد
إذا كانت const تساوي FALSE يتم تعيين b لتساوي صفر ويتم ضبط القيم m لتلائم y = mx
Stats (إحصائيات) = قيمة منطقية تحدد ما إذا كان سيتم إرجاع إحصائيات إنحدار إضافية
إذا كانت stats تساوي TRUE تقوم LINEST بإرجاع إحصائيات الإنحدار الإضافية بحيث يكون الصفيف الذي يتم إرجاعه هو {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}
إذا كانت stats تساوي FALSE أو تم حذفها تقوم LINEST بإرجاع معاملات m والثابت b فقط
تكون إحصائيات الإنحدار الإضافية كما يلي
الإحصائية الوصف
se1,se2,...,sen قيم الخطأ المعيارية للمعاملات m1,m2,...,mn
Seb الخطأ المعياري للثابت seb = #N/A) bعندما تكون const تساوي FALSE )
r2 معامل التحديد يقوم بمقارنة قيم y المقدرة وقيم y الفعلية وتتراوح قيمته من صفر إلى 1 إذا كانت 1 يوجد إرتباط تام في العينة ( لا يوجد فرق بين قيمة y المقدرة وقيمة y الفعلية) ومن ناحية أخرى إذا كان معامل التحديد صفر لا تفيد معادلة الإنحدار في التنبؤ بقيمة y للحصول على معلومات حول كيفية حساب r2راجع "تنويه" في هذا الموضوع لاحقا
sey الخطأ المعياري للتقديرY
F الإحصاء Fأو قيمة F التي تمت ملاحظتها إستخدم إحصاء F لتحديد ما إذا كانت العلاقة التي تمت ملاحظتها بين المتغيرات التابعة والمتغيرات المستقلة تحدث عشوائيا
df درجات الحرية إستخدم درجات الحرية لتساعدك في العثور على قيم F الحرجة في جدول إحصائي قارن القيم التي تجدها في الجدول بالإحصاء F الذي يتم إرجاعه بواسطة LINEST لتحديد مستوى الثقة للنموذج
ssreg إنحدار مجموع المربعات
ssresid باقي مجموع المربعات
تعرض الصورة التالية ترتيب إرجاع إحصائيات الإنحدار الإضافية
تنويه
يمكنك وصف أي خط مستقيم بواسطة الميل وتقاطع Y
الميل (m)
لإيجاد ميل خطٍ ما يكتب عادة m خذ نقطتين على الخط (x1,y1) و(x2,y2) فيكون الميل مساويا (y2 - y1)/(x2 - x1)
تقاطع Y (b)
التقاطع y لخطٍ ما يكتب عادة b هو قيمة y عند تقاطع الخط مع محور y
معادلة الخط المستقيم هي y = mx + b بمجرد معرفة قيم m وb يمكنك حساب أية نقطة على الخط بواسطة تضمين قيمة y أو x في تلك المعادلة يمكنك أيضا إستخدام الدالة TREND
إذا كان لديك متغير x مستقل واحد فقط يمكنك الحصول على قيم الميل وتقاطع y مباشرة بإستخدام الصيغتين التاليتين
الميل
=INDEX(LINEST(known_y's;known_x's);1)
تقاطع Y
=INDEX(LINEST(known_y's;known_x's);2)
تعتمد دقة الخط الذي المحسوب بواسطة LINEST على درجة التبعثر في بياناتك كلما كانت البيانات أكثر خطية زادت دقة نموذج LINEST تستخدم LINEST طريقة القيمة الصغرى لمجموع المربعات لتحديد الشكل الأمثل للبيانات عندما يتوفر لديك متغير x مستقل واحد فقط تستند حسابات m وb إلى الصيغتين التاليتين
و
يمكن للدالتين LINEST وLOGEST أن تقوم بحساب الخط المستقيم أو المنحنى الأسي الذي يلائم بياناتك بشكل أفضل
على أي حال يجب عليك أن تقرر أي النتيجتين أمثل للبيانات يمكنك حساب (TREND(known_y's;known_x's للخط المستقيم أو (GROWTH (known_y's known_x's للمنحنى الأسي تقوم هذه الدالات دون وسيطة new_x's بإرجاع صفيف للقيم y التي تم تكهنها على هذا الخط أو المنحنى في نقاط البيانات الحقيقية يمكنك بعد ذلك مقارنة القيم التي تم التنبؤ بها بالقيم الحقيقية قد تريد تخطيطها معا لمقارنتها مرئيا
في تحليل الإنحدار يحسب البرنامج الفرق التربيعي لكل نقطة بين قيمة y المقدرة لهذه النقطة وقيمة y الفعلية يسمى مجموع الفروق التربيعية هذه بباقي مجموع المربعات ثم يحسب البرنامج مجموع فرق المربعات بين قيم y الفعلية ومعدل قيم Y الذي يسمى إجمالي مجموع المربعات (إنحدار مجموع المربعات + باقي مجموع المربعات) كلما صغر مجموع باقي المربعات مقارنة بإجمالي مجموع المربعات كبرت قيمة معامل التحديد r2 وهو مؤشر على كيفية شرح المعادلة الناتجة من تحليل الإنحدار للعلاقة بين المتغيرات
يجب إدخال الصيغ التي تقوم بإرجاع صفائف كصيغ صفائف
عند إدخال ثابت صفيف مثل known_x's كوسيطة إستخدم الفواصل لفصل القيم في نفس الصف والفواصل المنقوطة لفصل الصفوف قد تختلف الأحرف الفاصلة وفقا للإعدادات المحلية لديك في الإعدادات الإقليمية أو الخيارات الإقليمية في لوحة التحكم
لاحظ أن قيم y التي توقعتها بواسطة معادلة الإنحدار قد لا تكون صالحة إذا كانت خارج نطاق قيم y المستخدمة لتحديد المعادلة
مثال 1: الميل وتقاطع Y
ملاحظة
عندما يتم الإدخال كصفيف يتم إرجاع الميل ( 0.464912) والتقاطع y ( 3.815789)
مثال 2: إنحدار خطي بسيط
ملاحظة
بشكل عام ({SUM({m;b}*{x;1 تساوي mx+b وهي قيمة y المقدرة لقيمة x المعطاة ويمكنك أيضا إستخدام الدالة TREND
مثال 3: إنحدار خطي متعدد
بفرض أن أحد المطورين التجاريين يفكر في شراء مجموعة من المباني الإدارية الصغيرة في منطقة تجارية منشأة
يمكن للمطور إستخدام تحليل إنحدار خطي متعدد لتقدير قيمة مبنى إداري في منطقة معطاة استنادا إلى المتغيرات التالية
المتغير يشير إلى
y القيمة المقدرة للمبنى الإداري
x1 مساحة الطابق بالقدم المربع
x2 عدد المكاتب
x3 عدد المداخل
x4 عمر المبنى الإداري بالسنوات
ملاحظة
يفترض هذا المثال وجود علاقة ثابتة بين كل متغير مستقل (x1 وx2 و x3و x4) والمتغير التابع (y) وهي قيمة المباني الإدارية في المنطقة
يختار المطور عينة عشوائية مكونة من 11 مبنى إداري من بين 1.500 مبنى إداري ويحصل على البيانات التالية "مدخل مفرد" تعني مدخل للإستقبال فقط
يجب إدخال الصيغة كصيغة صفيف حدد النطاق المراد إدخال الصيغة فيه ثم أدخل الصيغة ثم اضغط CTRL+SHIFT+ENTER
عند الإدخال كصفيف يتم إرجاع إحصائيات الإنحدار التالية إستخدم هذا الأساس لتعريف الإحصائية التي تريدها
يمكن الحصول الآن على معادلة الإنحدار المتعدد b+y=m1*x1+m2*x2+m3*x3+m4*x4 بإستخدام القيم من الصف 32
y =(27.64138737*x1)+(12529.76817*x2)+(2553.21066*x3)+(-234.2371645*x4)+(52317.83051)
يمكن للمطور الآن أن يقوم بتقدير قيمة مبنى إداري في نفس المنطقة مساحته 2.500 قدم مربع ويتكون من ثلاثة مكاتب ومدخلين وعمره 25 سنة بإستخدام المعادلة التالية
y =(27.64138737*-234.2371645)+(12529.76817*2553.21066)+(2553.21066*12529.76817)-(234.2371645* 27.64138737)+(52317.83051)=158261.096
يمكنك أيضا إستخدام دالة TREND لحساب هذه القيمة
مثال 4: إستخدام إحصائيات F وR2
في المثال السابق يكون معامل التحديد أو r2 هو 0.996747993 (إنظر الخلية A38 في ناتج LINEST في المثال الثالث) الذي يشير إلى وجود علاقة قوية بين المتغيرات المستقلة وسعر البيع يمكنك إستخدام إحصائية F لتحديد ما إذا كانت تلك النتائج مع قيمة r2 المرتفعة هذه قد حدثت عشوائيا
إفترض الآن أنه لا يوجد بالفعل علاقة بين المتغيرات بل أنك قد رسمت بمجرد عينة نادرة من 11 مبنى إداري تؤدي إلى عرض علاقة قوية للتحليل الإحصائي يستخدم المصطلح "إلفا" لإحتمال خطأ إستنتاج وجود علاقة
توجد علاقة بين المتغيرات إذا كانت الإحصائية F الملاحظة أكبر من قيمة F الحرجة يمكن الحصول على القيمة الحرجة F بالرجوع إلى جدول القيم الحرجة F في العديد من كتب الإحصاء لقراءة الجدول إفترض إختبار منفرد إستخدم قيمة إلفا قدرها 0.05 وبالنسبة لدرجات الحرية (مختصرة في معظم الجداول كـ v1 وv2) إستخدم v1=k = 4 وv2=n-(k+1)=11-(4+1)=6 حيث k هي عدد المتغيرات في تحليل الإنحدار وn هي عدد نقاط البيانات القيمة الحرجة F هي 4.53
قيمة f الملاحظة هي 459.7536742 (الخلية A39) وهي فعليا أكبر من القيمة الحرجة F التي تكون قدرها 4.53 لذلك تكون معادلة الإنحدار مفيدة في توقع القيمة المقدرة للمباني الإدارية في هذه المنطقة
مثال 5: حساب الإحصائيات T
يحدد إختبار إفتراضي آخر ما إذا كان كل معامل ميل مفيدا في تحديد القيمة المقدرة لمبنى إداري في المثال 3 مثلا لإختبار معامل العمر للأهمية الإحصائية قم بقسمة -234.2371645 (معامل ميل العمر) على 13.26801148 (الخطأ المعياري المقدر لمعاملات العمر في الخلية A37) فيما يلي هو قيمة الملاحظة
t = m4 ÷ se4 = -234.2371645 ÷ 13.26801148 = -17.6542781
إذا قمت بمراجعة جدول في دليل إحصاء ستجد أن قيمة t الحرجة وحيدة الطرف مع 6 درجات للحرية وإلفا=0.05 تكون 1.94 ولأن القيمة المطلقة لـ t هي 17.6542781 أكبر من 1.94 يصبح العمر متغير مهم عند تقدير القيمة المقدرة لمبنى إداري يمكن إختبار كل متغير من المتغيرات المستقلة الأخرى للأهمية الإحصائية بطريقة مماثلة في المثال المرفق قيم t الملحوظة لكل من المتغيرات المستقلة
تحتوي كافة تلك القيم على قيم مطلقة أكبر من 1.94 لذلك فإن كافة المتغيرات المستخدمة في معادلة الإنحدار مفيدة في توقع القيمة المقدرة للمباني الإدارية في هذه المنطقة
LOGEST إرجاع معلمات إتجاه أسي تقوم بحساب أحد المنحنى الأسي الذي يلائم بياناتك وإرجاع صفيف قيم يصف المنحنى ولأن هذه الدالة تقوم بإرجاع صفيف من القيم يجب إدخالها بصيغة الصفيف
تكون المعادلة للمنحنى هي
y = b*m^x or
y = (b*(m1^x1)*(m2^x2)*_) ( إذا كان هناك مضاعفات لقيم x)
حيث تكون قيمةy (ص) التابعة عبارة عن دالة من قيم x (س) المستقلة وتكون قيم m عبارة عن أساسات تناظر كل أس لقيمة x وتكون b قيمة ثابتة لاحظ أنه يمكن أن تكون x و y و m كميات متجهة ويكون الصفيف الذي تقوم LOGEST بإرجاعه هو {mn,mn-1,...,m1,b}
الشكل العام
=LOGEST(known_y's;known_x's;const;stats)
Known_y's (معطيات ص) = مجموعة قيم y (ص) التي تعرفها بالفعل في العلاقة y = b*m^x
إذا كان الصفيف Known_y's في عامود مفرد يتم تفسير كل عامود لـ Known_x's كمتغير مفرد
إذا كان الصفيف known_y's في صف مفرد يتم تفسير كل صف لـ known_x's كمتغير منفصل
Known_x's (معطيات س) = مجموعة إختيارية من قيم x (س) تعرفها بالفعل في العلاقة y = b*m^x
من الممكن أن يتضمن الصفيف known_x's مجموعة أو أكثر من المتغيرات في حالة إستخدام متغير واحد فقط فمن الممكن أن يكون known_y's وknown_x's عبارة عن نطاقات لأي شكل طالما أن أبعادهما متساوية وفي حالة إستخدام أكثر من متغير واحد يجب أن تكون known_y's نطاقا من الخلايا إرتفاعه صف واحد أو عرضه عامود واحد (والذي يعرف أيضا بكمية موجهة)
إذا تم حذف known_x's يفترض أن تكون الصفيف {1,2,3،...} الذي يكون بنفس حجم known_y's
Const (ثابت) = قيمة منطقية تحدد ما إذا كان سيتم فرض الثابت b ليساوي 1 (صفر)
إذا كانت const تساوي TRUE أو مهملة يتم حساب b بالشكل المعتاد
إذا كانت const تساوي FALSE يتم تعيين b لتساوي 1 وتتلاءم قيم m مع y = m^x
Stats (إحصائيات) = قيمة منطقية تحدد ما إذا كان سيتم إرجاع إحصائيات إنحدار إضافية
إذا كانت stats تساوي TRUE تقوم LOGEST بإرجاع إحصائيات الإنحدار الإضافية وبذلك يكون الصفيف الذي تم إرجاعه هو {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r 2,sey; F,df;ssreg,ssresid}
إذا كانت stats تساوي FALSE أو محذوفة تقوم LOGEST بإرجاع معاملات m فقط والثابت b
للحصول على مزيد من المعلومات حول إحصائيات الإنحدار الإضافية إنظر LINEST
تنويه
كلما كان شكل رسم بياناتك أكثر تمثيلا للمنحنى الأسي كلما زادت ملائمة الخط المحسوب لبياناتك ومثل LINEST تقوم LOGEST بإرجاع صفيف قيم
