101. Статистичний аналіз даних, прогнозування.

До Microsoft Excel входить набір засобів аналізу даних, який призначений для рішення складних статистичних й інженерних завдань. Для проведення аналізу даних за допомогою за допомогою цих інструментів слід вказати вхідні дані та вибрати параметри; аналіз буде проводитися за допомогою необхідної статистичної й інженерної макрофункції, а результат буде поміщений у вихідний діапазон. Інші інструменти дозволяють уявити результати аналізуу графічному вигляді. Щоб вивести список досяжних інструментів аналізу: сервис/ Анализ данных. Додатково в Microsoft Excel міститься велика к-сть статистичних, фінансових, інженерних функцій. Прогнозування може проводитися на основі лінійної регресії (одиничної та множинної) та нелінійної. Щоб зробити прогноз, треба визначити скільки параметрів впливають на значення функції (який аналіз буде проводитися – однофакторний чи багатофакторний, визначити, скільки нових значень будуть брати участь у обчисленні). Для реалізації лінійної регресії використовуються: ЛИНЕЙН (відомі у, відомі х) – використовуючи метод найменших квадратів, функція вираховує пряму лінію, яка найкращим чиним апроксимує наявні дані; МАКС – повертає максимальне значення із списку аргументів; МИН - повертає мінімальне значення із списку аргументів; ПРЕДСКАЗ (новий х, відомі у, відомі х) – повертає передбачене значення функції в точці х на основі лінійної регресії для масивів відомих значень х і у або інтервалів даних; ТЕНДЕНЦИЯ (відомі х, відомі у, нові х, константа) – повертає значення у відповідності до лінійного тренду. Нелінійна регресі реалізовується через: РОСТ (відомі х, відомі у, нові х, нові у, константа) – апроксимує експериментальною кривою відомі значення у і відомі значення х і повертає відповідні цій кривій значення для значення х, які визначаються аргументом нові значення х; ЛГРФПРИБЛ (відомі у, відомі х) – вираховує експотенційну криву, яка апроксимує дані, і повертає масив, який описує цю криву

 

102. Статистичні функції exel

Статистичні призначені для проведення різного роду статистичних обчислень. Для реалізації лінійної регресії використовуються: ЛИНЕЙН (відомі у, відомі х) – використовуючи метод найменших квадратів, функція вираховує пряму лінію, яка найкращим чиним апроксимує наявні дані; МАКС – повертає максимальне значення із списку аргументів; МИН - повертає мінімальне значення із списку аргументів; ПРЕДСКАЗ (новий х, відомі у, відомі х) – повертає передбачене значення функції в точці х на основі лінійної регресії для масивів відомих значень х і у або інтервалів даних; ТЕНДЕНЦИЯ (відомі х, відомі у, нові х, константа) – повертає значення у відповідності до лінійного тренду. Нелінійна регресі реалізовується через: РОСТ (відомі х, відомі у, нові х, нові у, константа) – апроксимує експериментальною кривою відомі значення у і відомі значення х і повертає відповідні цій кривій значення для значення х, які визначаються аргументом нові значення х; ЛГРФПРИБЛ (відомі у, відомі х) – вираховує експотенційну криву, яка апроксимує дані, і повертає масив, який описує цю криву.