24. Функция fраспобр

Описание:Возвращает значение обратное F-распределению вероятностей (распределению Фишера). Если p = FРАСП(x;...), то FРАСПОБР(p;...) = x.

F-распределение может использоваться в F-тесте, который сравнивает степени разброса двух множеств данных. Например, можно проанализировать распределение доходов США и Канады, чтобы определить, похожи ли эти две страны по степени плотности доходов.

Синтаксис:

FРАСПОБР(вероятность;степени_свободы1;степени_свободы2)

Вероятность— вероятность, связанная с F-распределением.

Степени_свободы1— числитель степеней свободы.

Степени_свободы2— знаменатель степеней свободы.

Замечания:

- Если какой-либо из аргументов не является числом, функция FРАСПОБР возвращает значение ошибки #ЗНАЧ!.

- Если значение аргумента «вероятность» < 0 или «вероятность» > 1, функция FРАСПОБР возвращает значение ошибки #ЧИСЛО!.

- Если значение аргумента «степени_свободы1» или «степени_свободы2» не является целым числом, производится усечение.

- Если значение аргумента «степени_свободы1» < 1 или «степени_свободы1» ≥ 10^10,функция FРАСПОБР возвращает значение ошибки #ЧИСЛО!.

- Если значение аргумента «степени_свободы2» < 1 или «степени_свободы2» ≥ 10^10, функция FРАСПОБР возвращает значение ошибки #ЧИСЛО!.

Функцию FРАСПОБР можно использовать для определения критических значений F-распределения. Например, результаты дисперсионного анализа обычно включают данные для F-статистики, F-вероятности и F-критическое значение с уровнем значимости 0,05. Чтобы определить критическое значение F, нужно использовать уровень значимости s как аргумент «вероятность» для функции FРАСПОБР.

Если задано значение вероятности, то функция FРАСПОБР ищет значение x, для которого FРАСП(x, степени_свободы1, степени_свободы2) = вероятность. Однако точность функции FРАСПОБР зависит от точности FРАСП. Для поиска функция FРАСПОБР использует метод итераций. Если поиск не закончился после 100 итераций, возвращается значение ошибки #Н/Д.

25. Функция фишер

Описание:Возвращает преобразование Фишера для аргумента x. Это преобразование строит функцию, которая имеет нормальное, а не асимметричное распределение. Данная функция используется для тестирования гипотез с помощью коэффициента корреляции.

Синтаксис:

ФИШЕР(x)

x— числовое значение, которое требуется преобразовать.

Замечания:

- Если «x» не является числом, функция ФИШЕР возвращает значение ошибки #ЗНАЧ!.

- Если x ≤ -1 или x ≥ 1, функция ФИШЕР возвращает значение ошибки #ЧИСЛО!.

- Уравнение для преобразования Фишера имеет следующий вид:

26. Функция фишеробр

Описание:Возвращает обратное преобразование Фишера. Это преобразование используется при анализе корреляции между массивами или интервалами данных. Если y = ФИШЕР(x), то ФИШЕРОБР(y) = x.

Синтаксис:

ФИШЕРОБР(y)

y— значение, для которого производится обратное преобразование.

Замечания:

- Если «y» не является числом, функция ФИШЕРОБР возвращает значение ошибки #ЗНАЧ!.

- Уравнение для обратного преобразования Фишера имеет следующий вид:

27. Функция предсказ

Описание:Вычисляет или предсказывает будущее значение по существующим значениям. Предсказываемое значение — это y-значение, соответствующее заданному x-значению. x- и y-значения — известны; новое значение предсказывается с использованием линейной регрессии. Этой функцией можно воспользоваться для прогнозирования будущих продаж, потребностей в оборудовании или тенденций потребления.

Синтаксис:

ПРЕДСКАЗ(x;известные_значения_y;известные_значения_x)

x— точка данных, для которой предсказывается значение.

Известные_значения_y— зависимый массив или интервал данных.

Известные_значения_x— независимый массив или интервал данных.

Замечания

- Если «x» не является числом, функция ПРЕДСКАЗ возвращает значение ошибки #ЗНАЧ!.

- Если аргументы «известные_значения_y» и «известные_значения_x» пусты или количество точек данных в этих аргументах не совпадает, функция ПРЕДСКАЗ возвращает значение ошибки #Н/Д.

- Если дисперсия аргумента «известные_значения_x» равна 0, функция ПРЕДСКАЗ возвращает значение ошибки #ДЕЛ/0!.

- Уравнение для ПРЕДСКАЗ имеет вид a+bx, где:

и

где x и y — выборочные средние значения СРЗНАЧ(массив1) и СРЗНАЧ(массив2).