2017年最全的excel函數大全13—兼容性函數(中)

上次給大家分享了《2017年最全的excel函數大全13—兼容函數(上)》,這次分享給大家兼容性函數(中),如果你使用的是?Excel 2007,則可以在“公式”選項卡上的統計或數學與三角函數類別中找到這些函數。

EXPONDIST?函數

描述

返回指數分布。?使用?EXPONDIST?可以建立事件之間的時間間隔模型,如銀行自動提款機支付一次現金所花費的時間。?例如,可通過?EXPONDIST?來確定這一過程最長持續一分鐘的發生概率。

有關新函數的詳細信息,請參考EXPON.DIST?函數。

用法

EXPONDIST(x,lambda,cumulative)

EXPONDIST?函數用法具有下列參數:

X必需。?函數值。

Lambda必需。?參數值。

Cumulative必需。?邏輯值,用于指定指數函數的形式。?如果?cumulative?為?TRUE,則?EXPONDIST?返回累積分布函數;如果為?FALSE,則返回概率密度函數。

其他

如果?x?或?lambda?為非數值型,則?EXPONDIST?返回?錯誤值?#VALUE!。

如果?x < 0,則?EXPONDIST?返回?錯誤值?#NUM!。

如果?lambda ≤ 0,則?EXPONDIST?返回?錯誤值?#NUM!。

概率密度函數的公式為:

累積分布函數的公式為:

案例

FDIST?函數

描述

返回兩個數據集的(右尾)F?概率分布(變化程度)。?使用此函數可以確定兩組數據是否存在變化程度上的不同。?例如,分析進入中學的男生、女生的考試分數,來確定女生分數的變化程度是否與男生不同。

有關新函數的詳細信息,請參考F.DIST?函數和F.DIST.RT?函數。

用法

FDIST(x,deg_freedom1,deg_freedom2)

FDIST?函數用法具有下列參數:

X必需。?用來計算函數的值。

Deg_freedom1必需。?分子自由度。

Deg_freedom2必需。?分母自由度。

其他

如果任一參數為非數值型,則?FDIST?返回?錯誤值?#VALUE!。

如果?x?為負數,則?FDIST?返回?錯誤值?#NUM!。

如果?deg_freedom1?或?deg_freedom2?不是整數,則將被截尾取整。

如果?deg_freedom1 < 1?或?deg_freedom1 ≥ 10^10,則?FDIST?返回?錯誤值?#NUM!。

如果?deg_freedom2 < 1?或?deg_freedom2 ≥ 10^10,則?FDIST?返回?錯誤值?#NUM!。

FDIST?的計算公式為?FDIST=P( F>x ),其中?F?為呈?F?分布且帶有?deg_freedom1?和?deg_freedom2?自由度的隨機變量。

案例

FINV?函數

描述

返回(右尾)F?概率分布函數的反函數值。?如果?p = FDIST(x,...),則?FINV(p,...) = x。

在?F?檢驗中,可以使用?F?分布比較兩組數據中的變化程度。?例如,可以分析美國和加拿大的收入分布,判斷兩個國家/地區是否有相似的收入變化程度。

有關新函數的詳細信息,請參考F.INV?函數和F.INV.RT?函數。

用法

FINV(probability,deg_freedom1,deg_freedom2)

FINV?函數用法具有下列參數:

Probability必需。?F?累積分布的概率值。

Deg_freedom1必需。?分子自由度。

Deg_freedom2必需。?分母自由度。

其他

如果任一參數為非數值型,則?FINV?返回?錯誤值?#VALUE!。

如果?probability < 0?或?probability > 1,則?FINV?返回?錯誤值?#NUM!。

如果?deg_freedom1?或?deg_freedom2?不是整數,則將被截尾取整。

如果?deg_freedom1 < 1?或?deg_freedom1 ≥ 10^10,則?FINV?返回?錯誤值?#NUM!。

如果?deg_freedom2 < 1?或?deg_freedom2 ≥ 10^10,則?FINV?返回?錯誤值?#NUM!。

FINV?可用于返回?F?分布的臨界值。?例如,ANOVA?計算的結果常常包括?F?統計值、F?概率和顯著水平參數為?0.05?的?F?臨界值數據。?若要返回?F?的臨界值,請將顯著水平參數用作為?FINV?的?probability?參數。

如果已給定概率值,則?FINV?使用?FDIST(x, deg_freedom1, deg_freedom2) = probability?求解數值?x。?因此,FINV?的精度取決于?FDIST?的精度。?FINV?使用迭代搜索技術。?如果搜索在?100?次迭代之后沒有收斂,則函數返回錯誤值?#N/A。

案例?

FLOOR?函數

描述

將參數?number?向下舍入(沿絕對值減小的方向)為最接近的?significance?的倍數。

用法

FLOOR(number, significance)

FLOOR?函數用法具有下列參數:

Number必需。?要舍入的數值。

significance必需。?要舍入到的倍數。

備注

如果任一參數為非數值型,則?FLOOR?返回?錯誤值?#VALUE!。

如果?number?為正值,significance?為負值,則?FLOOR?返回?錯誤值?#NUM!。

如果?number?的符號為正,則數值向下舍入,并朝零調整。?如果?number?的符號為負,則數值沿絕對值減小的方向向下舍入。?如果?number?正好是?significance?的倍數,則不進行舍入。

案例

FORECAST?函數

描述

根據現有值計算或預測未來值。?預測值為給定?x?值后求得的?y?值。?已知值為現有的?x?值和?y?值,并通過線性回歸來預測新值。?可以使用該函數來預測未來銷售、庫存需求或消費趨勢等。

注意:?在?Excel 2016?中,此函數已替換為?FORECAST.LINEAR,成為新預測函數的一部分。它仍然可用于后向兼容,但建議使用?Excel 2016?中的新函數。

用法

FORECAST(x, known_y's, known_x's)

FORECAST?函數用法具有下列參數:

X必需。?需要進行值預測的數據點。

Known_y's必需。?相關數組或數據區域。

Known_x's必需。?獨立數組或數據區域。

備注

如果?x?為非數值型,則?FORECAST?返回?錯誤值?#VALUE!。

如果?known_y's?和?known_x's?為空或含有不同個數的數據點,函數?FORECAST?返回錯誤值?#N/A。

如果?known_x's?的方差為零,則?FORECAST?返回?錯誤值?#DIV/0!。

函數?FORECAST?的計算公式為?a+bx,式中:

且:

且其中?x?和?y?是樣本平均值?AVERAGE(known_x's)?和?AVERAGE(known_y's)。

案例

FTEST?函數

描述

返回?F?檢驗的結果?F?檢驗返回當?array1?和?array2?的方差無明顯差異時的雙尾概率。?使用此函數可確定兩個案例是否有不同的方差。?例如,給定公立和私立學校的測驗分數,可以檢驗各學校間測驗分數的差別程度。

有關新函數的詳細信息,請參考F.TEST?函數。

用法

FTEST(array1,array2)

FTEST?函數用法具有下列參數:

Array1必需。?第一個數組或數據區域。

Array2必需。?第二個數組或數據區域。

備注

參數可以是數字,或者是包含數字的名稱、數組或引用。

如果數組或引用參數包含文本、邏輯值或空白單元格,則這些值將被忽略;但包含零值的單元格將計算在內。

如果?array1?或?array2?中數據點的個數少于?2?個,或者?array1?或?array2?的方差為零,則?FTEST?返回?錯誤值?#DIV/0!。

LINEST?函數返回的?F?檢驗值與?FTEST?函數返回的?F?檢驗值不同。?LINEST?返回?F?統計值,而?FTEST?返回概率。

案例

GAMMADIST?函數

描述

返回伽瑪分布函數的函數值。?可以使用此函數來研究呈斜分布的變量。?伽瑪分布通常用于排隊分析。

有關新函數的詳細信息,請參考GAMMA.DIST?函數。

用法

GAMMADIST(x,alpha,beta,cumulative)

GAMMADIST?函數用法具有下列參數:

X必需。?用來計算分布的數值。

Alpha必需。?分布參數。

Beta必需。?分布參數。?如果?beta = 1,則?GAMMADIST?返回標準伽瑪分布。

Cumulative必需。?決定函數形式的邏輯值。?如果?cumulative?為?TRUE,則?GAMMADIST?返回累積分布函數;如果為?FALSE,則返回概率密度函數。

備注

如果?x、alpha?或?beta?為非數值型,則?GAMMADIST?返回?錯誤值?#VALUE!。

如果?x < 0,則?GAMMADIST?返回?錯誤值?#NUM!。

如果?alpha ≤ 0?或?beta ≤ 0,則?GAMMADIST?返回?錯誤值?#NUM!。

伽瑪概率密度函數的計算公式如下:

標準伽瑪概率密度函數為:

當?alpha = 1?時,GAMMADIST?使用下面的公式返回指數分布:

對于正整數?n,當?alpha = n/2、beta = 2?且?cumulative = TRUE?時,GAMMADIST?返回?(1 - CHIDIST(x)),自由度為?n。

如果?alpha?為正整數,則?GAMMADIST?也稱為愛爾朗?(Erlang)?分布。

案例

GAMMAINV?函數

描述

返回伽瑪累積分布函數的反函數值。?如果?p = GAMMADIST(x,...),則?GAMMAINV(p,...) = x。?使用此函數可以研究有可能呈斜分布的變量。

有關新函數的詳細信息,請參考GAMMA.INV?函數。

用法

GAMMAINV(probability,alpha,beta)

GAMMAINV?函數用法具有下列參數:

Probability必需。?伽瑪分布相關的概率。

Alpha必需。?分布參數。

Beta必需。?分布參數。?如果?beta = 1,則?GAMMAINV?返回標準伽瑪分布。

備注

如果任一參數為文本型,則?GAMMAINV?返回?錯誤值?#VALUE!。

如果?probability < 0?或?probability > 1,則?GAMMAINV?返回?錯誤值?#NUM!。

如果?alpha ≤ 0?或?beta ≤ 0,則?GAMMAINV?返回?錯誤值?#NUM!。

如果已給定概率值,則?GAMMAINV?使用?GAMMADIST(x, alpha, beta, TRUE) = probability?求解數值?x。?因此,GAMMAINV?的精度取決于?GAMMADIST?的精度。?GAMMAINV?使用迭代搜索技術。?如果搜索在?100?次迭代之后沒有收斂,則函數返回錯誤值?#N/A。

案例

HYPGEOMDIST?函數

描述

返回超幾何分布。?如果已知樣本量、總體成功次數和總體大小,則?HYPGEOMDIST?返回樣本取得已知成功次數的概率。?HYPGEOMDIST?用于處理以下的有限總體問題,在該有限總體中,每次觀察結果或為成功或為失敗,并且已知樣本量的每個子集的選取是等可能的。

有關新函數的詳細信息,請參考HYPGEOM.DIST?函數。

用法

HYPGEOMDIST(sample_s,number_sample,population_s,number_pop)

HYPGEOMDIST?函數用法具有下列參數:

Sample_s必需。?樣本中成功的次數。

Number_sample必需。?樣本量。

Population_s必需。?總體中成功的次數。

Number_pop必需。?總體大小。

備注

所有參數都將被截尾取整。

如果任一參數為非數值型,則?HYPGEOMDIST?返回?錯誤值?#VALUE。

如果?sample_s < 0?或?sample_s?大于?number_sample?和?population_s?中的較小值,則?HYPGEOMDIST?返回?錯誤值?#NUM!。

如果?sample_s?小于?0?和?(number_sample - number_population + population_s)?中的較大值,則?HYPGEOMDIST?返回?錯誤值?#NUM!。

如果?number_sample ≤ 0?或?number_sample > number_population,則?HYPGEOMDIST?返回?錯誤值?#NUM!。

如果?population_s ≤ 0?或?population_s > number_population,則?HYPGEOMDIST?返回?錯誤值?#NUM!。

如果?number_population ≤ 0,則?HYPGEOMDIST?返回?錯誤值?#NUM!。

超幾何分布的公式為:

其中:

x = sample_s

n = number_sample

M = population_s

N = number_population

HYPGEOMDIST?用于有限總體中的不放回抽樣。

案例?

LOGINV?函數

描述

返回?x?的對數累積分布函數的反函數值,此處的?ln(x)?是服從參數?mean?和?standard_dev?的正態分布。?如果?p = LOGNORMDIST(x,...),則?LOGINV(p,...) = x。

使用對數分布可分析經過對數變換的數據。

有關新函數的詳細信息,請參考LOGNORM.INV?函數。

用法

LOGINV(probability, mean, standard_dev)

LOGINV?函數用法具有下列參數:

Probability必需。?與對數分布相關的概率。

Mean必需。?ln(x)?的平均值。

standard_dev必需。?ln(x)?的標準偏差。

其他

如果任一參數是非數值的,則?LOGINV?返回?錯誤值?#VALUE!。

如果?probability <= 0?或?probability >= 1,則?LOGINV?返回?錯誤值?#NUM!。

如果?standard_dev <= 0,則?LOGINV?返回?錯誤值?#NUM!。

對數分布函數的反函數為:

案例

LOGNORMDIST?函數

描述

返回?x?的對數累積分布函數的函數值,此處的?ln(x)?是服從參數?mean?和?standard_dev?的正態分布。?使用此函數可以分析經過對數變換的數據。

有關新函數的詳細信息,請參考LOGNORM.DIST?函數。

用法

LOGNORMDIST(x,mean,standard_dev)

LOGNORMDIST?函數用法具有下列參數:

X必需。?用來計算函數的值。

Mean必需。?ln(x)?的平均值。

standard_dev必需。?ln(x)?的標準偏差。

備注

如果任一參數為非數值型,則?LOGNORMDIST?返回?錯誤值?#VALUE!。

如果?x ≤ 0?或?standard_dev ≤ 0,則?LOGNORMDIST?返回?錯誤值?#NUM!。

對數累積分布函數的公式為:

案例

以上是所有EXCEL的兼容性函數(中)描述用法以及使用案例。這次分享中存在哪些疑問或者哪些不足,可以在下面進行評論。如果覺得不錯,可以分享給你的朋友,讓大家一起掌握這些excel的兼容性函數(中)。

?

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,739評論 6 534
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,634評論 3 419
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,653評論 0 377
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,063評論 1 314
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,835評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,235評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,315評論 3 442
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,459評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,000評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,819評論 3 355
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,004評論 1 370
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,560評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,257評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,676評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,937評論 1 288
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,717評論 3 393
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,003評論 2 374

推薦閱讀更多精彩內容