21.FINV

أغراض : للعودة إلى واو وظيفة احتمال توزيع معكوس ، أي أن القيمة الحرجة لتوزيع واو. إذا كان ع = FDIST (خ ،...) ، في حين FINV (ع...) = x.

بناء الجملة : FINV (احتمال ، degrees_freedom1 ، degrees_freedom2)

المعلمات : الاحتمالية هو احتمال من القيمة التراكمية للتوزيع واو ، Degrees_freedom1 الجزيئية درجة من الحرية ، Degrees_freedom2 هي مقامات في درجات الحرية.

على سبيل المثال : "الصيغة = FINV (0.1،86،74)" للعودة إلى 1.337888023.

22.FISHER

أغراض : للعودة إلى نقطة العاشر من تحويل فيشر. إنشاء تحول مماثل لتوزيع العادي بدلا من وظيفة من الانحراف ، واستخدام هذه الوظيفة لإكمال افتراض أن العلاقة اختبار معامل.

بناء الجملة : فيشر (خ)

المعلمات : العاشر لعدد من النقاط في التحويل.

على سبيل المثال : "الصيغة = فيشر (0.55)" للعودة إلى 0.618381314.

23.FISHERINV

أغراض : للعودة الى فيشر معكوس تحويل قيمة الدالة ، إذا ص = فيشر (خ) ، ثم FISHERINV (ذ) = x. ويمكن تحليل تحويل البيانات المذكورة أعلاه أو العلاقة بين مجموعة.

بناء الجملة : FISHERINV (ذ)

المعلمات : نعم كنقطة القيمة في تحويل معكوس.

على سبيل المثال : "الصيغة = FISHERINV (0.765)" للعودة إلى 0.644012628.

24.FORECAST

الاستعمالات : وفقا لتناسب خط الانحدار الخطي للعودة إلى القيمة التنبؤية. ويمكن استخدام هذه الوظيفة لمبيعات في المستقبل ، أو الطلب جرد للتنبؤ الاتجاهات الاستهلاكية.

بناء الجملة : التوقعات (خ ، known_y 's، known_x's).

المعلمات : العاشر لاحتياجات نقاط البيانات للتنبؤ العاشر تنسيق (قيمة متغير). known_y هو خط مستقيم لتلبية ذ تناسب خطي = ب + kx النقطة مجموعة من مجموعة مختارة من قيم ص المعروفة ، known_x هو خط مستقيم لتلبية ذ تناسب خطي = ب + kx النقطة مجموعة من مجموعة من المنتخبين يعرف قيمة س.

على سبيل المثال : "الصيغة = التوقعات (16 ، (7،8،9،11،15) ، (21،26،32،36،42))" العودة إلى 4.378318584.

25.FREQUENCY

أغراض : للعودة الى مجموعة العمودي للبيانات في توزيع الترددات في المنطقة. ويمكن أن يحسب في طائفة معينة ، ومجموعة من استقبال كل فاصل زمني يحتوي على عدد من البيانات.

بناء الجملة : التردد (data_array ، bins_array)

يتم استخدام معلمات : Data_array لحساب تواتر مجموعة ، أو منطقة مجموعة مرجع العنصر. Bins_array تلقي البيانات الفاصل لمجموعة منطقة أو مرجع صفيف ، على وتيرة العمليات الحسابية دون نقطة data_array.

26.FTEST

أغراض : للعودة الى نتائج اختبارات من نوع (إف. وعندما عاد (1) وطائفة وطائفة 2 لم يكن الفرق كبيرا بين احتمال وحيد الذيل ، ويمكن تحديد ما إذا كان الفرق من العينات مختلفين. على سبيل المثال ، يتم إعطاء صنفين نفس الامتحانات منطقة تخضع لاختبار ما إذا كان هناك اختلافات.

بناء الجملة : FTEST (array1 ، array2)

المعلمات : array1 هي أول مجموعة أو منطقة البيانات ، array2 هو مجموعة الثانية ، أو البيانات.

على سبيل المثال : إذا A1 = 71 = 83 A2 ، A3 = 76 = 49 A4 و A5 = 92 ، 88 = A6 ، A7 = 96 ، 59 = B1 ، B2 = 70 = 80 B3 ، B4 = 90 ، B5 = 89 ، B6 = 84 ، B7 = 92 ، في حين أن صيغة "FTEST = (A1 : A7 ، B1 : B7)" للعودة إلى 0.519298931.

27.GAMMADIST

أغراض : للعودة الى توزيع غاما. ويمكن استخدامه مع عدم التوازن في توزيع دراسة المتغيرات المستخدمة في تحليل الطابور.

بناء الجملة : GAMMADIST (خ ، ألفا ، بيتا ، التراكمي).

المعلمات : العاشر لتوزيع جاما المستخدمة لحساب القيمة ، وألفا هو توزيع المعلمات γ ، Betaγ توزيع معلمة. إذا بيتا = 1 ، GAMMADIST بإرجاع توزيع جاما القياسي. التراكمي قيمة منطقية ، شكل قرار وظيفة. إذا التراكمي الحقيقية الدالة GAMMADIST ، بإرجاع دالة التوزيع التراكمي ؛ إذا كاذبة ، احتمال عودة وظيفة الكثافة.

على سبيل المثال : "الصيغة = GAMMADIST (10،9،2 ، كاذبة)" أي ما يعادل حساب 0.032639 ، GAMMADIST = (10،9،2 ، صحيح) مقابل 0.068094.

28.GAMMAINV

أغراض : للعودة مع احتمال توزيع معين من وجهة غاما المدى ، وهناك استخدام لدراسة توزيع المتغيرات الانحراف. إذا ف = GAMMADIST (خ ،...) ، ثم GAMMAINV (ع...) = x.

بناء الجملة : GAMMAINV (الاحتمالات ، وألفا وبيتا)

معلمات : توزيع الاحتمالية لاحتمال قيمة غاما ، وتوزيع المعلمات Alphaγ ، Betaγ المعلمات التوزيع. إذا بيتا = 1 ، والعودة إلى مستوى غاما الدالة GAMMAINV التوزيع.

على سبيل المثال : "الصيغة = GAMMAINV (0.05،8،2)" للعودة إلى 7.96164386.

29.GAMMALN

أغراض : للعودة إلى وظيفة جاما من اللوغاريتم الطبيعي من Γ (خ).

بناء الجملة : GAMMALN (خ)

المعلمات : العاشر لاحتياجات العملية الحسابية العددية GAMMALN وظيفة.

على سبيل المثال : "الصيغة = GAMMALN (6)" للعودة إلى 4.787491743.

30.GEOMEAN

أغراض : للعودة إلى مجموعة البيانات الإيجابية أو هندسي. ويمكن استخدام متغير لحساب متوسط معدل النمو من الفائدة المركبة.

بناء الجملة : GEOMEAN (number1 ، number2 ،...)

المعلمات : number1 ، number2 ،... عن الحاجة إلى حساب متوسط 1-30 المعلمات ، بالإضافة إلى استخدام النموذج من القيم مفصولة بفواصل ويمكن أيضا استخدام صفيف أو مرجع صفيف.

على سبيل المثال : "الصيغة = GEOMEAN (1.2،1.5،1.8،2.3،2.6،2.8،3)" ونتيجة لهذا الحساب 2.069818248.

31.GROWTH

الأغراض : لتعيين قيمة البيانات من توقعات مؤشر النمو. وفقا لقيم س المعروفة وقيم ص ، نمو وظيفة للعودة مجموعة جديدة من قيم س قيم ص المناظرة. النمو وظيفة مناسبة تستخدم لتلبية قيمة معينة وقيمة س ص للمنحنى مؤشر.

بناء الجملة : النمو (known_y 's، known_x's ، new_x في ، const)

المعلمات : عودة known_y 'sالمؤشر لتلبية ذ منحنى = ب ^ م * العاشر من مجموعة تعرف قيم ص ؛ عودة known_x's المؤشر لتلبية ذ منحنى = ب ^ م * العاشر من مجموعة من القيم المعروفة... من جمع (اختياري معلمات) ؛ New_x هو مجموعة جديدة من قيم س ، نمو وظيفة يمكن العودة إلى قيمها ص المناظرة ؛ Const قيمة منطقية تحدد ما إذا كان لتعيين ب معامل إلزامي ، إذا const صحيحا أو حذف ، ستشارك ب في العادي الحساب. إذا const غير صحيحة ، سيتم تعيين لب 1 ، سوف تبذل لضبط القيم م ص = م ^ x.

32.HARMEAN

أغراض : للعودة الى متوسط متناسق لجمع البيانات. العد التنازلي للتصالح مع المتوسط الحسابي من متوسط كل العد التنازلي. التوفيق بين مجموع أقل من متوسط هندسي ، وهندسية يعني أقل من المتوسط الحسابي من المجموع.

بناء الجملة : HARMEAN (number1 ، number2 ،...)

المعلمات : number1 ، number2 ،... هو الحاجة لحساب المعلمات الخاصة بهم متوسط 1-30. ويمكن استخدام النموذج مفصولة بفواصل المعلمات ، يمكنك أيضا استخدام صفيف أو مرجع صفيف.

على سبيل المثال : "الصيغة = HARMEAN (66،88،92)" للعودة إلى 80.24669604.

33.HYPGEOMDIST

أغراض : للعودة الى التوزيع hypergeometric. إن حجم العينة معينة ، حجم العينة ونموذج النجاح الشامل من العدد الإجمالي لل، HYPGEOMDIST الدالة على العودة لأخذ عينات من تردد من احتمال نظرا للنجاح.

بناء الجملة : HYPGEOMDIST (sample_s ، number_sample ، population_s ، number_population)

المعلمات : sample_s لنجاح عدد العينات ، number_sample لحجم العينة. population_s لنموذج كامل لعدد من عوامل نجاح قدرة number_population ، بالنسبة للعينة ككل.

على سبيل المثال : إذا كان يحتوي على 42 فئة الطلاب. منها 22 من الذكور و 20 من النساء. 6 إذا كان الشعب اختيرت عشوائيا ، ثم واحدة من ثلاث فتيات فقط في صيغة الاحتمال هو : "= HYPGEOMDIST (3،6،20،42)" ، والعودة إلى نتائج 0.334668627.

34.INTERCEPT

الاستخدام : استخدام قيمة س المعروفة وقيمة ذ خط مستقيم مع اعتراض العمودي. عندما المتغيرات المعروفة إلى الصفر ، ويمكن الحصول على اعتراض باستخدام قيمة المتغير التابع.

بناء الجملة : اعتراض (known_y 's، known_x's)

المعلمات : متغير known_y 'sيعتمد عبارة عن مجموعة من البيانات أو مجموعات البيانات ، الوسيطة known_x's عبارة عن مجموعة من البيانات أو مجموعات البيانات.

على سبيل المثال : إذا A1 = 71 = 83 A2 ، A3 = 76 = 49 A4 و A5 = 92 ، 88 = A6 ، A7 = 96 ، 59 = B1 ، B2 = 70 = 80 B3 ، B4 = 90 ، B5 = 89 ، B6 = 84 ، B7 = 92 ، في حين أن الصيغة "= اعتراض (A1 : A7 ، B1 : B7)" للعودة إلى 87.61058785.

35.KURT

أغراض : للعودة إلى مجموعة البيانات الذروة. وهو يعكس مقارنة مع التوزيع العادي لدرجة حادة أو شقة ، هو أن ذروة حادة نسبيا للتوزيع ، ذروة السلبية للتوزيع التي يتم مسطحة نسبيا.

بناء الجملة : كورت (number1 ، number2 ،...)

المعلمات : number1 ، number2 ،... عن الحاجة لحساب المعلمات ذروة 1-30. ويمكن استخدام النموذج من المعلمات مفصولة بفواصل ، يمكنك استخدام مجموعة واحدة ، وهذا يعني ، الصفيف الخلية المرجعية.

على سبيل المثال : إذا كان الطالب اختبار خاص لعشرات 71 = A1 ، A2 = 83 = 76 A3 ، A4 = 49 = 92 A5 ، A6 = 88 ، A7 = 96 ، في حين أن الصيغة "= كورت (A1 : A7)" ل العودة إلى -1،199009798 يظهر الأداء النسبي في التوزيع العادي هو توزيع مستوية نسبيا.

36.LARGE

أغراض : للعودة إلى التركيز على القيمة القصوى من البيانات. الاستعلام يمكن استخدامها لاختبار دالة كبير عشرات التركيز على الأولى والثانية والثالثة وعشرات غيرها.

بناء الجملة : كبير (صفيف ، ك)

المعلمات : صفيف لضرورة الاستعلام أول ك قيمة لطائفة أو منطقة البيانات ، كاف لقيمة العودة أو البيانات في موقف مجموعة في هذه المجموعة (أي ترتيب).

الأمثلة على ذلك : إذا B1 = 59 = 70 B2 ، B3 = 80 ، 90 = B4 ، B5 = 89 = 84 B6 ، B7 = 92 ، ، الصيغة "= كبيرة (B1 ، B7 ، 2)" مرة أخرى إلى 90.

37.LINEST

الاستعمالات : استخدم الأسلوب الأقل مربع معروف بيانات عن الخط المستقيم والعودة أفضل المناسب لوصف مجموعة خطية.

بناء الجملة : LINEST (known_y 's، known_x's ، const ، احصائيات)

المعلمات : known_y هو ذ التعبير = ب + نطاق في قيمة ذ جمع المعروفة ، known_x هو العلاقة بين ذ التعبير = ب + نطاق في مجموعة معروفة من قيمة س اختياري ، Const قيمة منطقية تحدد أم لا إلزامية لجعل ب ثابت هو 0 ، إذا كان صحيحا أم const حذف ، ستشارك ب في الحساب العادي. إذا const غير صحيحة ، سيتم تعيين إلى 0 ب ، و في نفس الوقت مما يجعل قيمة م ذ = نطاق التكيف. احصائيات قيمة منطقية تحدد ما إذا كان أو عدم العودة إحصائيات الانحدار الإضافية. إذا احصائيات صحيح ، وعودة LINEST الدالة إحصائيات الانحدار الإضافية. إذا هو زائف احصائيات أو حذفها ، فقط للعودة LINEST م ب وظيفة ومصطلح ثابت معامل

على سبيل المثال : إذا A1 = 71 = 83 A2 ، A3 = 76 = 49 A4 و A5 = 92 ، 88 = A6 ، A7 = 96 ، 59 = B1 ، B2 = 70 = 80 B3 ، B4 = 90 ، B5 = 89 ، B6 = 84 = 92 B7 ، صيغة الصفيف "(= LINEST (A1 : A7 ، B1 : B7))" عودة -،174244885 ، -0،174244885 ، -0.174244885 ، -0،174244885 ، -0.174244885 ، -،174244885 ، -0.174244885.

38.LOGEST

يستخدم : في تحليل الانحدار ، وحساب أفضل مجموعة بيانات الرصد المناسب مؤشر منحنى الانحدار ، والعودة إلى وصف منحنى الصفيف.

بناء الجملة : LOGEST (known_y 's، known_x's ، const ، احصائيات)

المعلمات : known_y هي مجموعة من تمشيا مع ذ = ب وظيفة * ^ م س من قيمة ص للجمع ، known_x هي مجموعة من تمشيا مع ذ = ب * ^ م × حساب العلاقة بين قيمة اختياري س جمع وConst هو تحديد ما إذا كنت تريد إنشاء عدد العادية ب قيمة منطقية من 1 إذا تم تعيين لconst حقيقية أو حذفها ، ثم سيتم الحصول عليها ب مصطلح ثابت عن طريق حساب.

على سبيل المثال : إذا كان مبيعات الشركة من المنتجات الجديدة ، والنمو المتسارع ، تليها 33100 = A1 ، A2 = 47300 ، A3 = 69000 ، A4 = 102000 ، A5 = 150000 وA6 = 220000 ، بينما B1 = 11 ، B2 = 12 ، B3 = 13 ، B4 = 14 = 15 B5 ، B6 = 16. استخدام صيغة صفيف "(= LOGEST (A1 : A6 ، B1 : B6 ، ، صحيح الحقيقية))" ، في C1 : D5 الخلايا تكون نتيجة الحساب هو : 1.463275628 ، 495.3047702،0.002633403،0.035834282،0.99980862،0.011016315،20896.8011 (4) ، و2.53601883 0.000485437.

39.LOGINV

أغراض : للعودة إلى وظيفة خ التراكمي توزيع لوغاريتمي عادي وظيفة عكسية ، حيث قانون الجنسية (خ) هي تلك التي تعني (المتوسط) ووضع المعايير ، ديف (الانحراف المعياري) معلمات من التوزيع العادي. إذا كان ع = LOGNORMDIST (خ ،...) ، ثم LOGINV (ع...) = x.

بناء الجملة : LOGINV (احتمال ، يعني ، الانحراف المعياري)

المعلمات : الاحتمالية هو توزيع لوغاريتمي عادي المرتبطة الاحتمالات ، يعني لقانون الجنسية (خ) في المتوسط ، Standard_dev لقانون الجنسية (خ) الانحراف المعياري.

على سبيل المثال : "الصيغة = LOGINV (0.036،2.5،1.5)" للعودة إلى 0.819815949.

40.LOGNORMDIST

أغراض : للعودة إلى وظيفة خ التراكمي توزيع لوغاريتمي عادي ، في قانون الجنسية الذي (خ) يخضع لمعالم طبيعية وتعني توزيع standard_dev. ويمكن تحليل استخدام هذه الوظيفة بعد أن تحول لوغاريتمي من البيانات.

بناء الجملة : LOGNORMDIST (خ ، يعني ، الانحراف المعياري)

يتم استخدام معلمات : العاشر لحساب قيمة الدالة ، متوسط هو قانون الجنسية (خ) في المتوسط ، Standard_dev هو قانون الجنسية (خ) الانحراف المعياري.

على سبيل المثال : "الصيغة = LOGNORMDIST (2،5.5،1.6)" للعودة إلى 0.001331107.