Analizės įrankių paketo naudojimas sudėtinių duomenų analizei atlikti

1. Spustelėkite skirtuką Failas, spustelėkite Parinktys, tada spustelėkite kategoriją Priedai.

2. Langelyje Valdyti pasirinkite „Excel“ priedai, tada spustelėkite Vykdyti.

   Jei naudojate „Mac“ skirtą „Excel“, failų meniu eikite į Įrankiai > „Excel“ papildiniai.

3. Lauke Priedai pažymėkite žymės langelį Analizės įrankių paketas ir spustelėkite Gerai.

   • Jei Analizės įrankių paketas nėra lauke Galimi priedai, spustelėkite Naršyti, kad jį rastumėte.

   • Jei esate perspėjamas, kad analizės įrankių paketas jūsų kompiuteryje neįdiegtas, spustelėkite Taip, kad jį įdiegtumėte.

Anova analizės įrankiai pateikia įvairius dispersijos analizės tipus. Įrankis, kurį turėtumėte naudoti, priklauso nuo koeficientų ir pavyzdžių skaičiaus, kurie yra norimose tikrinti aibėse.

Anova: vienas koeficientas

Šis įrankis atlieka paprastą dviejų ar daugiau pavyzdžių duomenų dispersijos analizę. Analizė pateikia hipotezės, kad kiekvienas pavyzdys gautas iš to paties tikimybės skirstinio, testą, lyginant su alternatyvia hipote, kad esami tikimybės skirstiniai nėra tokie patys visuose pavyzdžiuose. Jei yra tik du pavyzdžiai, galite naudoti darbalapio funkciją T.BANDYMAS. Naudojant daugiau nei du pavyzdžius, nėra patogaus T apibendrinimo.TEST, o vietoj to galima iškviesti vieno veiksnio Anova modelį.

Anova: du koeficientai su replikavimu

Šis analizės įrankis naudingas, kai duomenis galima klasifikuoti pagal dvi skirtingas dimensijas. Pavyzdžiui, eksperimento metu, kai matuojamas augalų aukštis, augalai gali būti tręšiami skirtingomis trąšų rūšimis (pavyzdžiui, A, B ir C) ir laikomi skirtingose temperatūrose (pavyzdžiui, žemoje ir aukštoje). Turime vienodą kiekvienos iš šešių galimų {trąšų, temperatūros} porų augalo aukščio stebėjimų skaičių. Naudodami šį Anova įrankį, galime tikrinti:

• Ar skirtingų trąšų rūšių augalų aukščiai gauti iš tos pačios aibės. Šioje analizėje temperatūros nepaisoma.

• Ar skirtingų temperatūros lygių augalų aukščiai gauti iš tos pačios aibės. Šioje analizėje trąšų rūšių nepaisoma.

Ar sudarius ataskaitą apie skirtumų tarp trąšų rūšių efektus, kurie aptikti pirmajame pažymėtame taške, ir skirtumų tarp temperatūrų efektus, kurie aptikti antrajame pažymėtame taške, šeši pavyzdžiai, pateikiantys visas {trąšų, temperatūros} reikšmių poras, gauti iš tos pačios aibės. Alternatyvi hipotezė yra ta, kad konkrečiose {trąšų, temperatūros} porose efektai yra nepaisant skirtumų, kurie remiasi tik trąšomis arba tik temperatūra.

Anova: du koeficientai be replikavimo

Šis analizės įrankis naudingas, kai duomenys klasifikuojami pagal dvi skirtingas dimensijas (kaip ir dviejų koeficientų su replikavimu). Tačiau šis įrankis supranta, kad yra tik vienas kiekvienos poros stebėjimas (pavyzdžiui, visos {trąšų, temperatūros} poros ankstesniame pavyzdyje).

Darbalapyje CORREL ir PEARSON funkcijos apskaičiuoja dviejų matavimo kintamųjų koreliacijos koeficientą, kai kiekvieno kintamojo matavimai stebimi kiekvienai N temai. (Bet koks trūkstamas bet kurio subjekto stebėjimas lemia, kad analizėje to subjekto nepaisoma.) Koreliacijos analizės įrankis yra ypač naudingas, kai kiekvienai N temai yra daugiau nei du matavimo kintamieji. Pateikiama išvesties lentelė, koreliacijos matrica, kuri rodo CORREL (arba PEARSON) reikšmę, taikomą kiekvienai galimai matavimo kintamųjų porai.

Koreliacijos koeficientas, pvz., kovariacija, yra apimties matas, kuriuo du matavimo kintamieji "kinta kartu". Skirtingai nuo kovariacijos, koreliacijos koeficientas yra pakeičiamas taip, kad jo reikšmė būtų nepriklausoma nuo vienetų, kuriais išreiškiami du matavimo kintamieji. (Pavyzdžiui, jei du matavimo kintamieji yra svoris ir aukštis, koreliacijos koeficiento reikšmė nesikeičia, jei svoris konvertuojamas iš svaro į kilogramus.) Bet kurio koreliacijos koeficiento reikšmė turi būti nuo -1 iki +1 imtinai.

Koreliacijos analizės įrankį galite naudoti kiekvienai matavimo kintamųjų porai tikrinti, kad nustatytumėte, ar du matavimo kintamieji turi tą patį polinkį,  t. y. ar dideles vieno kintamojo reikšmes galima sieti su didelėmis kito kintamojo reikšmėmis (teigiama koreliacija), ar mažas vieno kintamojo reikšmes galima sieti su didelėmis kito kintamojo reikšmėmis (neigiama koreliacija) arba ar abiejų kintamųjų reikšmių polinkis nesietinas (koreliacija artima 0 (nuliui).

Ir koreliacijos, ir kovariacijos įrankį galima naudoti su tais pačiais parametrais, kai turite N skirtingų matavimo kintamųjų, kurie stebėti individų rinkinyje. Koreliacijos ir kovariacijos įrankiai pateikia po išvesties lentelę, matricą, kurioje atitinkamai rodomas koreliacijos koeficientas arba kovariacija tarp visų matavimo kintamųjų porų. Skirtumas toks, kad koreliacijos koeficientai keičiami taip, kad tilptų diapazone nuo -1 iki +1 imtinai. Atitinkamos kovariacijos nėra keičiamos. Tiek koreliacijos koeficientas, tiek kovariacija yra apimties, kuria du matavimo kintamieji „kinta kartu“, matas.

Kovariavimo įrankis apskaičiuoja darbalapio funkcijos COVARIANCE reikšmę. P kiekvienai matavimo kintamųjų porai. (Tiesioginis COVARIANCE vartojimas. P, o ne kovariacija yra pagrįsta alternatyva, kai yra tik du matavimo kintamieji, t. y. N =2.) Įrašas ant kovariavimo įrankio išvesties lentelės įstrižos i eilutėje, i stulpelyje yra i-ojo matavimo kintamojo kovariacija su savimi. Tai tik to kintamojo aibės dispersija, apskaičiuota pagal darbalapio funkcijos VAR.P. P. (P.

Kovariacijos įrankį galite naudoti kiekvienai matavimo kintamųjų porai tikrinti, kad nustatytumėte, ar du matavimo kintamieji turi tą patį polinkį,  t. y. ar dideles vieno kintamojo reikšmes galima sieti su didelėmis kito kintamojo reikšmėmis (teigiama kovariacija), ar mažas vieno kintamojo reikšmes galima sieti su didelėmis kito kintamojo reikšmėmis (neigiama kovariacija) arba ar abiejų kintamųjų reikšmių polinkis nesietinas (kovariacija artima 0 (nuliui).

Aprašomosios statistikos analizės įrankis generuoja vienmatės įvesties diapazono duomenų statistikos ataskaitą, kurioje pateikia informaciją apie jūsų duomenų centrinę tendenciją ir kintamumą.

Eksponentinio glotninimo analizės įrankis prognozuoja reikšmę remdamasis ankstesnio periodo prognoze, kuri buvo koreguota naudojant ankstesnės prognozės paklaidą. Įrankis naudoja glotninimo konstantą a, kurios dydis nustato, kaip stipriai prognozę paveikia ankstesnės prognozės paklaidos.

Dviejų pavyzdžių dispersijos F bandymo analizės įrankis atlieka dviejų pavyzdžių F bandymą, kad lygintų dvi aibės dispersijas.

Pavyzdžiui, F bandymo įrankį galite naudoti su abiejų plaukimo varžybose dalyvavusių komandų laikų pavyzdžiais. Įrankis pateikia nulinės hipotezės bandymo rezultatus, kad šie du pavyzdžiai paimti iš skirstinių, kurių dispersija vienoda, lygindama su alternatyvia hipoteze, kad dispersijos šiuose skirstiniuose nėra lygios.

Įrankis apskaičiuoja F statistikos (arba F santykio) reikšmę f. F vertė, artima 1, pateikia įrodymų, kad aibės dispersijos yra lygios. Išvesties lentelėje, jei f < 1 "P(F <= f) viena pabaiga" suteikia galimybę stebėti F statistikos reikšmę, mažesnę už f, kai aibės dispersijos yra lygios, ir "F Kritinė vienpusė" suteikia kritinę reikšmę, mažesnę už 1 pasirinktam reikšmingumo lygiui Alfa. Jei f > 1, "P(F <= f) vienpusė" suteikia galimybę stebėti F statistikos reikšmę, didesnę už f, kai aibės dispersijos yra lygios, o "F Kritinė vienpusė" suteikia kritinę reikšmę, didesnę už 1 alfa atveju.

Fourier analizės įrankis sprendžia problemas tiesinėse sistemose ir analizuoja periodinius duomenis naudodamas greitosios Fourier transformacijos (FFT) metodą duomenims transformuoti. Šis įrankis taip pat palaiko atvirkštines transformacijas, kai transformuotų duomenų inversija grąžina originalius duomenis.

Histogramos analizės įrankis skaičiuoja langelių diapazono duomenų ir duomenų talpyklų atskirus ir sukauptus dažnumus. Šis įrankis generuoja duomenis iš pasikartojimų skaičiaus duomenų rinkinyje.

Pavyzdžiui, 20 mokinių klasėje galite nustatyti balų pasiskirstymą pagal raidžių kategorijas. Histogramos lentelėje pateikiamos raidžių ribos ir balų skaičius nuo žemiausios iki esamos ribos. Vienas dažniausias balas yra duomenų moda.

Slankiojo vidurkio analizės įrankis projektuoja reikšmes prognozės laikotarpyje, kuris pagrįstas vidutine kintamojo reikšme per konkretų ankstesnių laikotarpių skaičių. Slankusis vidurkis pateikia informaciją apie tendenciją, kad būtų paslėptas paprastasis visų istorinių duomenų vidurkis. Naudokite šį įrankį pardavimui, atsargoms ar kitoms tendencijoms prognozuoti. Visų prognozių reikšmės pagrįstos šia formule.

čia:

• N yra ankstesnių laikotarpių, įtrauktų į slankųjį vidurkį, skaičius

• A j yra tikroji reikšmė per laiką j

• F j yra prognozuojama reikšmė per laiką j

Atsitiktinių skaičių generavimo analizės įrankis užpildo diapazoną nepriklausomais atsitiktiniais skaičiais, kurie paimami iš vieno ar kelių skirstinių. Aibės objektus galite apibūdinti tikimybės skirstiniu. Pavyzdžiui, galite naudoti normalų skirstinį atskirų aukščių imčiai apibūdinti arba galite naudoti dviejų galimų rezultatų Bernulio skirstinį vienam iš dviejų skirstinio rezultatų apibūdinti.

Reitingavimo ir procentilio analizės įrankis sukuria lentelę, kurioje yra kiekvienos duomenų rinkinio reikšmės ordinalinis ir procentinis rangas. Galite analizuoti santykinę reikšmių padėtį duomenų rinkinyje. Šis įrankis naudoja darbalapio funkcijas RANK. EQ irPERCENTRANK. INC. Jei norite atsižvelgti į susietas reikšmes, naudokite RANK. EQ funkcija, kuri susietąsias reikšmes traktuoja kaip turinčias tą patį rangą, arba naudoja RANK.AVG funkcija, kuri grąžina vidutinį susietos reikšmės rangą.

Regresijos analizės įrankis atlieka tiesinės regresijos analizę naudodamas mažiausio kvadrato metodą, kad linija atitiktų stebinių rinkinį. Galite analizuoti, kaip vieno ar kelių nepriklausomų kintamųjų reikšmės veikia vieną priklausomą kintamąjį. Pavyzdžiui, galite analizuoti, kaip atleto pasirodymą veikia amžiaus, ūgio ir svorio veiksniai. Remdamiesi pasirodymo duomenų rinkiniu galite padalyti pasirodymo vertinimą pagal kiekvieną iš trijų koeficientų ir tada naudoti rezultatus, kad prognozuotumėte naujo, nepatikrinto atleto pasirodymą.

Regresijos įrankis naudoja darbalapio funkciją LINEST.

Pavyzdžių rinkimo analizės įrankis kuria pavyzdžius iš aibės manydamas, kad įvesties diapazonas yra aibė. Kai aibė yra per didelė apdoroti ar kurti diagramą, galite naudoti tipinį pavyzdį. Taip pat galite kurti pavyzdį, kuriame yra reikšmės tik iš konkrečios ciklo dalies, jei žinote, kad įvesties duomenys yra periodiniai. Pavyzdžiui, jei įvesties diapazone yra ketvirčio pardavimo rezultatai, periodiniu dažniu imamas kas ketvirtas pavyzdys, o to paties ketvirčio reikšmės padedamos išvesties diapazone.

Dviejų pavyzdžių t bandymo analizės įrankiai tikrina tame pačiame pavyzdyje esančių imčių vidurkių lygybę. Trys įrankiai naudoja skirtingas prielaidas: aibės dispersijos yra lygios, aibės dispersijos nėra lygios ir du pavyzdžiai vaizduoja to paties objekto stebinius prieš ir po apdorojimo.

Visuose toliau pateiktuose trijuose įrankiuose t statistikos reikšmė t yra apskaičiuojama ir rodoma kaip "t Stat" išvesties lentelėse. Atsižvelgiant į duomenis, ši reikšmė t gali būti neigiama arba neneigiamas. Esant prielaidai, kad aibės reikšmės yra lygios, jei t < 0, "P(T <= t) vienpusė" suteikia tikimybę, kad bus pastebėta t statistikos reikšmė, kuri yra neigiama už t. Jei t >=0, "P(T <= t) vienpusis" suteikia tikimybę, kad bus pastebėta t statistikos reikšmė, kuri yra teigiamesnė už t. "t Kritinė vienpusė" nurodo ribinę reikšmę taip, kad tikimybė stebėti t statistikos reikšmę, didesnę arba lygią "t Kritinė vienpusė", yra Alfa.

"P(T <= t) dvipusis" suteikia tikimybę, kad bus stebima t statistikos reikšmė, kuri yra didesnė absoliučiąja reikšme nei t. "P Kritinis dvipusis" nurodo ribinę reikšmę, kad stebėtos t statistikos tikimybė, kurios absoliučioji reikšmė didesnė nei "P Kritinis dvipusis", yra Alfa.

t bandymas: dviejų pavyzdžių poros vidurkiai

Porų tikrinimą galite galite naudoti tada, kai pavyzdžiuose yra natūralus stebinių poravimas, pavyzdžiui, kai pavyzdžių grupė tikrinama du kartus  – prieš ir po eksperimento. Šis analizės įrankis ir jo formulė atlieka suporuotą dviejų pavyzdžių Student t bandymą, kad nustatytų, ar stebiniai, kurie buvo atlikti prieš apdorojimą, ir stebiniai, kurie buvo atlikti po apdorojimo, gali būti iš tų pačių skirstinių, kuriuose imčių vidurkiai yra vienodi. Ši t bandymo forma nenurodo, kad abiejų imčių dispersijos yra lygios.

t bandymas: du mėginiai vienodomis dispersijomis

Šis analizės įrankis atlieka dviejų mėginių student t bandymą. Ši t bandymo forma daro prielaidą, kad du duomenų rinkiniai gaunami iš skirstinių, kurių dispersijos yra vienodos. Šis testas vadinamas homoskedastiniu t bandymu. t bandymą galite naudoti, jei norite nustatyti, ar du pavyzdžiai gali būti iš tų pačių skirstinių, kurių imčių vidurkiai yra vienodi.

t bandymas: du mėginiai nevienodomis dispersijomis

Šis analizės įrankis atlieka dviejų pavyzdžių student t bandymą. Ši t bandymo forma daro prielaidą, kad du duomenų rinkiniai gaunami iš skirstinių, kurių dispersijos nevienodos. Šis bandymas vadinamas heteroskedastiniu t bandymu. Kaip ir ankstesniu lygių dispersijų atveju galite naudoti t bandymą, kad nustatytumėte, ar du pavyzdžiai gali būti iš tų pačių skirstinių, kurių imčių vidurkiai yra lygūs. Naudokite šį bandymą, kai skirtingi objektai yra dviejuose pavyzdžiuose. Porų bandymą, kuris aprašytas tolesniame pavyzdyje, naudokite tada, kai yra vienas objektų rinkinys, o du pavyzdžiai rodo kiekvieno objekto matavimus prieš ir po apdorojimo.

Ši formulė naudojama t statistinei reikšmei nustatyti.

Toliau pateikta formulė naudojama laisvės laipsniui df apskaičiuoti. Kadangi skaičiavimo rezultatas paprastai nėra sveikasis skaičius, ll reikšmė apvalinama iki artimiausio sveikojo skaičiaus, kad būtų gauta kritinė reikšmė iš t lentelės. "Excel" darbalapio funkcija T.FUNKCIJA TEST naudoja apskaičiuotą ll reikšmę be apvalinimo, nes galima apskaičiuoti T reikšmę.TESTAS su neintegeriu ll. Dėl šių skirtingų požiūrių nustatant laisvės laipsnį, T rezultatai.TEST ir šis t bandymo įrankis skirsis nelyginių nuokrypių atveju.

Z bandymas: du vidurkių analizės įrankio pavyzdžiai atlieka du imčių z testus vidurkiams su žinomomis dispersija. Šis įrankis naudojamas patikrinti nulinę hipotezę, kad nėra skirtumo tarp dviejų aibės priemonių, lyginant su vienpusėmis arba dvipusėmis alternatyviomis hipotezėmis. Jei dispersijos nežinomos, darbalapio funkcija Z.Vietoj to reikia naudoti TEST.

Kai naudojate z bandymo įrankį, teisingai supraskite išvestį. "P(Z <= z) vienpusis" iš tikro yra P(Z >= ABS(z)), tolimesnės nuo 0 ta pačia kryptimi, kuri stebima z reikšmėje, kai imčių vidurkiai nesiskiria, z reikšmės tikimybė. "P(Z <= z) dvipusis" iš tikro yra P(Z >= ABS(z) arba Z <= -ABS(z)), tolimesnė nuo 0 bet kuria kryptimi, kuri stebima z reikšmėje, kai imčių vidurkiai nesiskiria, z reikšmės tikimybė. Dvipusio skirstinio rezultatas yra vienpusio rezultatas, padaugintas iš 2. z bandymo įrankį taip pat galima naudoti tuo atveju, kai nulinė hipotezė yra tokia, kad yra konkreti nenulinė skirtumo tarp dviejų imčių vidurkių reikšmė. Pavyzdžiui, galite naudoti šį testą, jei norite nustatyti dviejų automobilių modelių veikimo skirtumus.