Cách sử dụng data analysis trong excel 2016
Nếu bạn muốn thực hiện các phân tích thống kê và kỹ thuật phức tạp, bạn có thể rút ngắn các bước và tiết kiệm thời gian bằng cách sử dụng ToolPak Phân tích. Bạn sẽ cung cấp dữ liệu và tham số đến từng phân tích; rồi công cụ sẽ dùng các hàm macro thống kê và kỹ thuật thích hợp rồi hiển thị kết quả trong bảng kết quả. Một số công cụ còn tạo biểu đồ ngoài bảng kết quả.
Bạn đang xem: Cách sử dụng data analysis trong excel 2016
Chỉ có thể dùng các hàm phân tích dữ liệu bên trên từng trang tính một. Khi bạn thực hiện phân tích dữ liệu bên trên các trang tính đã nhóm, kết quả sẽ xuất hiện trên trang tính đầu tiên và bảng đã được định dạng trống sẽ xuất hiện bên trên các trang tính còn lại. Để thực hiện phân tích dữ liệu bên trên phần còn lại của trang tính, hãy tính lại công cụ phân tích đến từng trang tính.
ToolPak Phân tích bao gồm các công cụ được tế bào tả trong các phần sau. Để tróc nã nhập các công cụ này, bấm Phân tích Dữ liệu trong nhóm Phân tích bên trên tab Dữ liệu. Nếu lệnh Phân tích Dữ liệu ko khả dụng, bạn cần tải chương trình bổ trợ ToolPak Phân tích xuống.
Bấm tab Tệp, chọn Tùy chọn rồi bấm thể loại Bổ trợ.
Trong hộp Quản lý, chọn Bổ trợ Excel, rồi bấm Đi tới.
Nếu bạn đang sử dụng Excel for Mac, trong menu tệp, đi cho mục Công cụ > Excel bổ trợ.
Trong hộp Bổ trợ, hãy lựa chọn hộp kiểm tra ToolPak Phân tích, rồi bấm OK.
Nếu ToolPak Phân tích không được liệt kê trong hộp Bổ trợ Sẵn dùng, bấm Duyệt để định vị nó.
Nếu bạn được nhắc rằng ToolPak Phân tích hiện chưa được cài đặt trên máy tính của bạn, hãy bấm Có để cài đặt nó.
Lưu ý: Để bao gồm các hàm Visual Basic for Application (VBA) đến ToolPak Phân tích, bạn có thẻ tải Bổ trợ Phân tích ToolPak - VBA giống như cách bạn tải ToolPak Phân tích về. Trong hộp Bổ trợ sẵn dùng, chọn hộp kiểm tra ToolPak Phân tích- VBA.
Công cụ phân tích Anova cung cấp các dạng phân tích phương không nên khác nhau. Công cụ mà bạn yêu cầu dùng phụ thuộc vào số lượng nhân tố và số lượng mẫu mà bạn có từ các tổng thể mà bạn muốn kiểm định.
Anova: Nhân tố Đơn
Công cụ này thực hiện phân tích phương sai 1-1 giản bên trên dữ liệu cho hai hoặc nhiều mẫu. Phân tích cung cấp kiểm định đến giả thiết rằng mỗi mẫu được lấy từ cùng phân bố xác suất cơ bản so với giả thiết loại trừ rằng các phân bố xác suất cơ bản là ko giống nhau đối với tất cả các mẫu. Nếu chỉ có nhì mẫu, bạn có thể dùng hàm trang tính T.TEST. Với nhiều hơn hai mẫu, ko có sự suy rộng T.TEST thích hợp và vắt vào đó kiểu Anova Nhân tố Đơn có thể được gọi.
Anova: Nhân tố Kép có Lặp
Công cụ phân tích này hữu ích lúc dữ liệu có thể được phân loại theo hai kích thước khác nhau. Ví dụ, vào một thí nghiệm để đo chiều cao của cây, các cây đó có thể được bón bằng các nhãn hiệu phân bón khác nhau (chẳng hạn A, B, C) và cũng có thể được giữ ở các nhiệt độ khác nhau (chẳng hạn thấp, cao). Với mỗi sáu cặp khả thi phân bón, nhiệt độ, chúng ta có số lần quan tiền sát chiều cao của cây bằng nhau. Dùng công cụ Anova này, chúng ta có thể kiểm định:
Liệu chiều cao của cây đối với các nhãn hiệu phân bón khác nhau có được lấy từ cùng tổng thể cơ bản giỏi không. Nhiệt độ được bỏ qua vào phân tích này.
Liệu chiều cao của cây đối với các mức nhiệt độ khác nhau có được lấy từ cùng tổng thể cơ bản xuất xắc không. Nhãn hiệu phân bón được bỏ qua trong phân tích này.
Liệu đã tính đến tác động của những khác biệt giữa các nhãn hiệu phân bón được tìm thấy trong điểm gạch đầu dòng đầu tiên và những khác biệt về nhiệt độ được tìm thấy vào điểm gạch đầu dòng thứ hai, sáu mẫu đại diện cho tất cả các cặp giá trị phân bón, nhiệt độ được lấy từ cùng tổng thể xuất xắc chưa. Giả thiết loại trừ là có những tác động vì chưng các cặp phân bón, nhiệt độ cụ thể bên cạnh những khác biệt dựa vào riêng biệt phân bón hoặc riêng rẽ nhiệt độ.
Anova: Nhân tố Kép ko Lặp
Công cụ phân tích này hữu ích lúc dữ liệu được phân loại theo hai kích thước khác nhau như trong trường hợp Nhân tố Kép có Lặp. Mặc dù nhiên, đối với công cụ này, điều được giả định là chỉ có duy nhất một lần quan sát đến mỗi cặp (chẳng hạn, mỗi cặp phân bón, nhiệt độ trong ví dụ trên).
Hàm trang tính CORREL cùng PEARSON đều giám sát và đo lường hệ số đối sánh tương quan giữa hai biến số tính toán khi các số đo bên trên mỗi đổi mới số được quan liêu sát cho từng đối tượng N. (Bất kỳ quan cạnh bên thiếu làm sao đối với ngẫu nhiên đối tượng nào làm đối tượng người dùng bị làm lơ trong phân tích.) lý lẽ phân tích Tương quan quan trọng đặc biệt hữu ích khi có nhiều hơn hai biến chuyển số đo lường cho mỗi đối tượng N. Nó cung cấp bảng kết quả, một ma trận tương quan, hiển thị quý hiếm của CORREL (hoặc PEARSON) được áp dụng cho mỗi cặp đổi mới số tính toán khả thi.
Xem thêm: Những Bộ Phim Ngắn Về Tình Yêu Tuổi Học Trò Hay Nhất, Top 5 Bộ Phim Ngắn Học Đường Việt Nam Hay Nhất
Hệ số tương quan, chẳng hạn như hiệp phương hiệp, là một trong thước đo của phạm vi tới mức mà hai biến đổi số đo lường và thống kê "cùng biến chuyển đổi." Không giống như hiệp phương hiệp, hệ số đối sánh được giám sát để quý giá của nó chủ quyền với các đơn vị mà trong số ấy hai biến số đo lường và thống kê được thể hiện. (Ví dụ, giả dụ hai đổi thay số thống kê giám sát là trọng lượng và chiều cao, cực hiếm của hệ số đối sánh tương quan không biến đổi nếu trọng lượng được thay đổi từ pao sang trọng kilogram.) quý hiếm của số đông hệ số đối sánh tương quan phải trường đoản cú -1 đến +1 bao hàm cả -1.
Bạn có thể dùng công cụ phân tích đối sánh tương quan để kiểm tra mỗi cặp biến số đo lường để xác định liệu nhì biến số đo lường có xu hướng cùng di chuyển giỏi không — đó là, các giá trị lớn của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay là không (tương quan liêu dương), các giá trị nhỏ của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay không (tương quan tiền âm), hay các giá trị của cả nhì biến số có xu hướng độc lập (tương quan tiền gần 0 (không)).
Công cụ đối sánh và Hiệp phương không đúng đều có thể được dùng trong cùng thiết đặt, lúc bạn có N biến số đo lường khác nhau được quan tiền sát bên trên một bộ cá thể. Công cụ đối sánh tương quan và Hiệp phương không đúng cung cấp bảng kết quả, một ma trận, thể hiện hệ số đối sánh tương quan hoặc hiệp phương sai tương ứng giữa mỗi cặp biến số đo lường. Sự khác nhau là hệ số đối sánh tương quan được đo nằm vào khoảng từ -1 đến +1 bao gồm cả nhì số này. Hiệp phương không nên tương ứng ko được đo. Cả hệ số đối sánh tương quan và hiệp phương sai đều là các đơn vị đo lường của phạm vi đến mức mà nhị biến số đo lường "cùng biến đổi."
Công thay Hiệp phương hiệp tính giá trị của hàm trang tính COVARIANCE. P cho từng cặp phát triển thành số đo lường. (Sử dụng HIỆP PHƯƠNG HIỆP TRỰC TIẾP. P. Chứ không phải là luật Hiệp phương hiệp là phương thức thay thế phù hợp khi chỉ tất cả hai biến chuyển số đo lường, tức thị N=2.) Mục nhập bên trên đường chéo cánh của bảng hiệu quả của qui định Hiệp phương biến đổi trong hàng i, cột i là hiệp phương hiệp của vươn lên là số đo thiết bị i với thiết yếu nó. Đây chỉ cần phương sai toàn diện cho biến số đó, như được đo lường và tính toán bởi hàm trang tính VAR.P.
Bạn có thể dùng công cụ Hiệp phương không đúng để kiểm tra mỗi cặp biến số đo lường để xác định liệu hai biến số đo lường có xu hướng cùng di chuyển giỏi không — đó là, các giá trị lớn của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay là không (hiệp phương sai dương), các giá trị nhỏ của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay không (hiệp phương sai âm), hay các giá trị của cả hai biến số có xu hướng độc lập (tương quan liêu gần 0 (không)).
Công cụ phân tích Thống kê mô tả tạo ra báo cáo thống kê đối chọi biến mang đến dữ liệu trong phạm vi nhập liệu, cung cấp tin tức về xu hướng trung trọng điểm và tính biến thiên của dữ liệu của bạn.
Công cụ phân tích Làm trót lọt Hàm mũ dự đoán một giá trị phụ thuộc vào dự đoán mang lại kỳ trước, được điều chỉnh mang lại lỗi vào dự báo trướć. Công cụ dùng hằng số làm trơn tuột a, độ lớn của nó xác định dự báo phản hồi đến các lỗi vào dự báo trước mạnh mẽ như thế nào.
Lưu ý: Giá trị của 0,2 đến 0,3 là các hằng số làm trơn hợp lý. Các giá trị này cho biết dự báo hiện tại phải được điều chỉnh 20 phần trăm đến 30 phần trăm mang đến lỗi trong dự báo trước. Hằng số lớn hơn cho phản hồi nhanh hơn cơ mà có thể tạo ra các phép chiếu ko ổn định. Hằng số nhỏ hơn có thể khiến giá trị dự báo bị chậm trễ lâu.
Công cụ phân tích nhì mẫu Kiểm định F đối với Phương không đúng thực hiện kiểm định F đối với nhì mẫu để so sánh hai phương sai tổng thể.
Ví dụ, bạn có thể dùng công cụ Kiểm định F bên trên các mẫu số lần gặp đội bơi lội đối với một trong hai đội. Công cụ cung cấp kết quả của kiểm tra giả thiết null rằng hai mẫu này đến từ các phân bố có phương không nên bằng nhau, so với giải pháp loại trừ rằng phương không nên không bằng nhau trong các phân bố cơ bản.
Công cụ tính giá trị f của thống kê F (hay tỉ lệ F). Giá trị f gần tới 1 cung cấp bằng chứng rằng các phương không đúng tổng thể cơ bản là bằng nhau. Trong bảng kết quả, nếu f 1, "P(F
Công cụ Phân tích Fourier xử lý các vấn đề vào hệ thống tuyến tính và phân tính dữ liệu định kỳ bằng cách dùng phương pháp Biến đổi Fourier cấp tốc (FFT) để biến đổi dữ liệu. Công cụ này cũng hỗ trợ các biến đổi nghịch đảo, vào đó nghịch đảo của dữ liệu được biến đổi trả về dữ liệu gốc.
Công cụ phân tích Trung bình Di chuyển chiếu các giá trị trong kỳ dự báo, dựa vào giá trị trung bình của biến số qua số kỳ trước cụ thể. Trung bình di chuyển cung cấp tin tức xu thế mà một đường trung bình đơn giản của tất cả các dữ liệu lịch sử sẽ được bít lại. Dùng công cụ này để dự báo doanh số, hàng tồn kho hoặc các xu hướng khác. Mỗi giá trị dự báo dựa vào công thức sau.
trong đó:
N là số kỳ trước bao gồm vào trung bình di chuyển
A j là giá trị thực tế tại thời điểm j
F j là giá trị dự báo tại thời điểm j
Kiểm định t: Giả định hai mẫu có Phương không nên Bằng nhau
Công cụ phân tích này thực hiện Kiểm định t của student mang đến hai mẫu. Dạng thức Kiểm định t này giả định rằng nhị tập dữ liệu đến từ các phân bố có phương không nên giống nhau. Nó được gọi là Kiểm định t phương sai có điều kiện không đổi. Bạn có thể dùng Kiểm định t này để xác định nhì mẫu có khả năng đến từ các phân bố có trung bình tổng thể bằng nhau.
Kiểm định t: Giả định hai mẫu có Phương không đúng Không bằng nhau
Công cụ phân tích này thực hiện Kiểm định t của student mang đến hai mẫu. Dạng thức Kiểm định t này giả định rằng nhị tập dữ liệu đến từ các phân bố có phương không nên khác nhau. Nó được gọi là Kiểm định t có phương không đúng phụ thuộc vào một biến ngẫu nhiên có điều kiện khác. Với trường hợp Phương sai Bằng nhau trước đó, bạn có thể dùng Kiểm định t này để xác định hai mẫu có khả năng đến từ các phân bố có trung bình tổng thể bằng nhau. Hãy dùng kiểm định này lúc có các đối tượng riêng biệt biệt trong nhị mẫu. Hãy dùng kiểm định Theo cặp, được mô tả vào ví dụ sau, lúc có một tập đối chọi các đối tượng và nhì mẫu đại diện cho các đo lường đến mỗi đối tượng trước và sau xử lý.
Công thức sau được dùng để xác định giá trị thống kê t.
Công thức sau được dùng để tính bậc tự do, df. Vì kết quả của phép tính thường ko là số nguyên, giá trị của df được làm tròn đến số nguyên gần nhất để có được giá trị giới hạn từ bảng t. Hàm trang tính T.TEST trong Excel dùng giá trị df được tính không làm tròn, vì nó có thể tính toán giá trị mang đến T.TEST bằng một df không phải số nguyên. Vì những cách tiếp cận khác nhau này đến việc xác định bậc tự do, các kết quả của T.TEST và công cụ t-Test này sẽ khác nhau trong trường hợp Phương sai Không bằng nhau.
