Jos haluat kehittää monimutkaisia tilastollisia tai teknisiä analyyseja, voit säästää vaiheita ja aikaa analyysityökalujen avulla. Kun ilmoitat analyysin tiedot ja parametrit, työkalu käyttää sopivaa tilasto- tai suunnittelumakrofunktiota sekä laskee ja sitten näyttää tulokset tulostustaulukossa. Jotkin työkalut luovat kaavioita tulostustaulukoiden lisäksi.
Tietojen analysointifunktioita voidaan käyttää vain yhdessä laskentataulukossa kerrallaan. Kun analysoit tietoja ryhmitetyissä laskentataulukoissa, tulokset näkyvät ensimmäisessä laskentataulukossa, ja muissa laskentataulukoissa näkyy tyhjä muotoiltu taulukko. Jos haluat analysoida tietoja muissa laskentataulukoissa, laske analyysityökalu uudelleen kussakin laskentataulukossa.
Analyysityökalut sisältävät seuraavissa kohdissa kuvatut työkalut. Voit käyttää näitä työkaluja valitsemalla Tiedot-välilehdessä Tietojen analysointi. Jos Tietojen analysointi -komento ei ole käytettävissä, sinun on ladattava ja aktivoitava Analyysityökalut-apuohjelma.
Analyysityökalujen lataaminen ja aktivoiminen
Analyysityökalujen lataaminen ja aktivoiminen:
ValitseExcel for Macin tiedostovalikossa Työkalut>Excel-apuohjelmat.
Excel for Windowsissa:
- Valitse Tiedosto, Asetukset ja valitse sitten Apuohjelmat.
- Valitse Hallinta-ruudussa Excel-apuohjelmat ja valitse sitten Siirry.
Valitse Apuohjelmat-ruudussa Analyysityökalut-valintaruutu ja valitse sitten OK.
- Jos Analyysityökalut eivät näy Käytettävissä olevat apuohjelmat -luettelossa, etsi ohjelma valitsemalla Selaa.
- Jos näyttöön tulee kehote, jonka mukaan Analyysityökalut-toimintoa ei ole asennettu tietokoneeseen, asenna se valitsemalla Kyllä .
Huomautus
Jos haluat sisällyttää VBA (Visual Basic for Application) -funktiot analyysityökaluihin, voit ladata Analyysityökalut - VBA -lisäohjelman samalla tavalla kuin latasit Analyysityökalut-lisäohjelman. Valitse Käytettävissä olevat apuohjelmat -ruudusta Analyysityökalut - VBA -valintaruutu.
Anova
Anova-analysointityökalulla suoritetaan erilaisia varianssianalyyseja. Työkalun valinta riippuu siitä, kuinka paljon kertoimia ja otoksia testattavista populaatioista on käsiteltävänä.
Anova: Yksisuuntainen
Tämä työkalu suorittaa yksinkertaisen analyysin kahden tai useamman otoksen tietojen varianssista. Analyysissä testataan hypoteesia, jonka mukaan jokainen otos saadaan samasta todennäköisyysjakaumasta vaihtoehtoisen hypoteesin perusteella, jonka mukaan todennäköisyysjakauman taustalla olevat jakaumat eivät ole samat kaikissa näytteissä. Jos esimerkkejä on vain kaksi, voit käyttää laskentataulukkofunktiota T.TESTI. Jos näytteitä on enemmän kuin kaksi, T.TEST-funktiota ei ole helppo yleistää, ja sen sijaan voidaan käyttää Single Factor Anova -mallia.
Anova: Kaksisuuntainen, toistot sallittuja
Tämä analyysityökalu on hyödyllinen, jos tiedot voidaan luokitella kahden eri ulottuvuuden mukaan. Esimerkiksi kokeessa, jossa mitataan kasvien pituutta, kasveille on saatettu antaa erimerkkisiä lannoitteita (esimerkiksi A, B ja C) ja niitä on voitu kasvattaa eri lämpötiloissa (esimerkiksi lämpimässä ja viileässä). Kutakin kuutta {lannoite, lämpötila} -paria kohden on sama määrä pituuden mittaustuloksia. Tämän Anova-työkalun avulla voimme testata seuraavia asioita:
- Ovatko eri lannoitteilla kasvatettujen kasvien korkeudet peräisin samasta populaatiosta. Tässä analyysissä ei oteta huomioon lämpötiloja.
- Ovatko eri lämpötiloissa kasvatettujen kasvien korkeudet peräisin samasta populaatiosta. Tässä analyysissä ei oteta huomioon lannoitteita.
Ovatko {lannoite, lämpötila} -parien arvoja vastaavat kuusi otosta peräisin samasta populaatiosta, kun otetaan huomioon kohdassa 1 selvitettyjen lannoitteiden aiheuttamien erojen ja kohdassa 2 selvitettyjen lämpötilan aiheuttamien erojen vaikutukset. Vaihtoehtoinen hypoteesi olisi, että tietyt {lannoite, lämpötila} -parit aiheuttavat vaikutuksia, jotka eivät ole ennustettavissa lannoitteiden tai lämpötilan erikseen aiheuttamien vaikutusten perusteella.
Anova: Kaksisuuntainen, ilman toistoa
Tämä on hyödyllinen analyysityökalu, kun tiedot luokitellaan kahden eri ulottuvuuden mukaan, kuten toistot sallivan kaksisuuntaisen Anova-analyysin tapauksessa. Tätä työkalua käytettäessä kuitenkin oletetaan, että kutakin paria (esimerkiksi edellisen esimerkin {lannoite, lämpötila} -paria) kohden on vain yksi mittaustulos.
Korrelaatio
Sekä KORRELAATIO- että PEARSON-laskentataulukkofunktiot laskevat kahden mitatun muuttujan välisen korrelaatiokertoimen, kun kummastakin muuttujasta on suoritettu mittaukset N:lle kohteelle. (Kaikki puuttuvat havainnot mistä tahansa aiheesta aiheuttavat sen, että aihe jätetään analyysissä huomiotta.) Korrelaatioanalyysityökalu on erityisen hyödyllinen, kun kullekin N-aineelle on enemmän kuin kaksi mittamuuttujaa. Työkalu tuottaa tulostustaulukon, korrelaatiomatriisin, josta näkyy kaikkien mahdollisten mitattujen muuttujaparien KORRELAATIO- (tai PEARSON) -funktion arvot.
Korrelaatiokerroin, kuten kovarianssi, mittaa sitä, missä määrin kaksi mittamuuttujaa "vaihtelevat yhdessä". Toisin kuin kovarianssi, korrelaatiokerroin skaalataan siten, että sen arvo on riippumaton niistä yksiköistä, joissa kaksi mittamuuttujaa ilmaistaan. (Jos mittamuuttujat ovat esimerkiksi paino ja korkeus, korrelaatiokertoimen arvo ei muutu, jos paino muunnetaan paunasta kiloon.) Korrelaatiokertoimen arvon on oltava välillä -1 ja +1.
Voit määrittää kovarianssityökalulla, liittyvätkö kaksi mitattua muuttujaa yhteen eli liittyvätkö toisen muuttujan suuret arvot toisen muuttujan suuriin arvoihin (positiivinen kovarianssi), liittyvätkö toisen muuttujan pienet arvot toisen muuttujan suuriin arvoihin (negatiivinen korrelaatio) vai liittyvätkö kummankaan muuttujan arvot toisiinsa (kovarianssi lähellä nollaa).
Kovarianssi
Korrelaatio- ja kovarianssityökaluja voidaan käyttää samassa asetuksessa, kun käytössä on N eri mitattua muuttujaa, jotka on havaittu yksilöjoukossa. Korrelaatio- ja kovarianssityökalut tuottavat tulostustaulukon, matriisin, josta näkyy korrelaatiokerroin tai kovarianssi kunkin mitatun muuttujaparin välissä. Niiden erona on se, että korrelaatiokertoimet skaalataan arvojen -1 ja +1 välille. Vastaavia kovariansseja ei skaalata. Sekä korrelaatiokertoimella että kovarianssilla mitataan, kuinka paljon kaksi muuttujaa "vaihtelevat yhdessä"
Kovarianssityökalu laskee laskentataulukkofunktion KOVARIANSSI-arvon. P kullekin mittamuuttujaparille. (Kovarianssin suora käyttö. P kovarianssityökalun sijaan on kohtuullinen vaihtoehto, kun mittamuuttujia on vain kaksi eli N=2.) Rivillä i olevan kovarianssityökalun tulostaulukon vinossa olevassa sarakkeessa i oleva merkintä on i:nnen mittamuuttujan kovarianssi itsensä kanssa. Tämä on vain kyseisen muuttujan populaation varianssi, joka lasketaan laskentataulukkofunktiolla VAR.P.
Voit määrittää korrelaatiotyökalulla, liittyvätkö kaksi mitattua muuttujaa yhteen eli liittyvätkö toisen muuttujan suuret arvot toisen muuttujan suuriin arvoihin (positiivinen korrelaatio), liittyvätkö toisen muuttujan pienet arvot toisen muuttujan suuriin arvoihin (negatiivinen korrelaatio) vai liittyvätkö kummankaan muuttujan arvot toisiinsa (korrelaatio lähellä nollaa).
Tunnusluvut
Tunnusluvut-analyysityökalu luo syöttöalueen tiedoille yksimuuttujaisen tilastoraportin ja antaa tietoja tietojen keskipainotteisuudesta sekä vaihtelevuudesta.
Eksponentiaalinen tasoitus
Eksponentiaalinen tasoitus -analyysityökalu ennustaa arvon edellisen jakson ennusteen perusteella siten, että edellisen ennusteen virheen perusteella suoritetaan korjaus. Työkalu käyttää tasoitusvakiota a, jonka suuruus määrittää, kuinka voimakkaasti ennusteet reagoivat edellisen ennusteen virheisiin.
Huomautus
Arvot 0,2–0,3 ovat tarpeellisia korjausvakioita. Nämä arvot osoittavat, että nykyistä ennustetta täytyisi muuttaa 20–30 prosenttia edellisen ennusteen virheellisyyden vuoksi. Suuremmat vakiot tuottavat nopeamman vastauksen, mutta ne voivat aiheuttaa virheellisiä ennusteita. Pienempiä vakioita käytettäessä ennusteiden arvoja voi joutua odottamaan pitkään.
Kahden otoksen f-testi variansseille
Kahden otoksen f-testi variansseille -analyysityökalu vertaa kahden populaation variansseja toisiinsa kahden otoksen f-testin avulla.
Voit esimerkiksi käyttää F-Testi-työkalua kunkin tiimin uintikokousten aikanäytteisiin. Työkalun tuloksena testataan nollahypoteesia, jonka mukaan nämä kaksi näytettä ovat peräisin jakaumista, joiden varianssit ovat yhtä suuret, verrattuna vaihtoehtoon, että varianssit eivät ole yhtä suuria pohjana oleneissa jakaumassa.
Työkalu laskee F-arvolle arvon f (eli F-suhteen). Jos f:n arvo on lähellä yhtä, populaatioiden varianssit ovat samat. Jos f < 1 "P(F <= f) yksipäinen" antaa todennäköisyyden tarkkailla F-tilaston arvoa, joka on pienempi kuin f, kun populaation varianssit ovat yhtä suuria, ja "F Kriittinen yksipäinen" antaa kriittisen arvon, joka on pienempi kuin 1 valitulle tarkkuustasolle Alfa. Jos f > 1, "P(F <= f) yksihäntäinen" antaa todennäköisyyden tarkkailla F-tilaston arvoa, joka on suurempi kuin f, kun populaation varianssit ovat yhtä suuria, ja "F Kriittinen yksihäntä" antaa kriittisen arvon, joka on suurempi kuin 1 alfalle.
Fourier-analyysi
Fourier-analyysityökalu ratkaisee lineaaristen järjestelmien ongelmia ja analysoi kausitietoja käyttämällä Fast Fourier Transform (FFT) -menetelmää tietojen muuntamiseen. Tämä työkalu tukee myös käänteisiä muunnoksia, eli muunnettujen tietojen käänteismuuntaminen palauttaa alkuperäiset tiedot.
Histogrammi
Histogrammi-analyysityökalu laskee tietoalueen sekä tietoluokkien yksittäiset ja kumulatiiviset esiintymiskerrat. Sillä voidaan luoda tietojoukon jonkin arvon esiintymiskerrat.
Voit määrittää esimerkiksi kirjaimin arvosteltujen arvosanojen jakautumisen 20 oppilaan luokassa. Histogrammitaulukossa näkyy kirjainarvosanojen erot sekä alimman ja nykyisen rajan välissä olevien arvosanojen määrä. Moodina käytetään useimmin toistuvaa arvosanaa.
Vihje
Excel 2016:ssa voit nyt luoda histogrammin tai Pareto-kaavion.
Liukuva keskiarvo
Liukuva keskiarvo -analyysityökalu ennustaa ennustejakson arvoja muuttujan keskiarvon perusteella, joka lasketaan määritetystä määrästä edellisiä jaksoja. Liukuva keskiarvo antaa suuntatietoja, jotka eivät selviäisi kaikkien historiatietojen yksinkertaisen keskiarvon perusteella. Tämän työkalun avulla voit ennustaa myyntilukuja, inventaariolukuja ja muita suunta-arvoja. Kaikki ennustearvot perustuvat seuraavaan kaavaan:
jossa
- N on liukuvaan keskiarvoon sisällytettävä edellisten kausien määrä
- Aj on todellinen arvo ajankohtana j
- Fj on ennustettu arvo ajankohtana j
Satunnaislukujen luonti
Satunnaislukujen luonti -analyysityökalu täyttää alueen toisistaan riippumattomilla satunnaisluvuilla, jotka on poimittu yhdestä usean jakauman joukosta valitusta jakaumasta. Voit kuvata populaation jäseniä todennäköisyysjakauman avulla. Voit kuvata esimerkiksi populaation yksilöiden pituuksia normaalijakaumalla tai kolikon heiton tuloksia Bernoullin jakaumalla.
Järjestys ja prosenttipiste
Järjestys ja prosenttipiste -analyysityökalu tulostaa taulukon, joka sisältää kaikkien tietojoukon arvojen järjestysluvun ja prosentuaalisen järjestysnumeron. Voit analysoida tietojoukon arvojen sijaintia suhteessa toisiinsa. Tämä työkalu käyttää laskentataulukon funktioita RANK. EQ ja PROSENTTIJÄRJESTYS. INC. Jos haluat laskea sidotut arvot, käytä RANK-arvoa. EQ-funktio , joka käsittelee sidottuja arvoja samanarvoisena tai käyttää ARVON.MUKAAN-funktiota. AVG-funktio , joka palauttaa sidottujen arvojen keskiarvon.
Regressio
Regressio-analyysityökalu suorittaa lineaarisen regressioanalyysin käyttämällä pienimmän neliösumman menetelmää suoran sovittamiseksi arvopisteisiin. Voit analysoida riippumattomien muuttujien arvojen vaikutuksia yhteen riippuvaan muuttujaan. Voit esimerkiksi analysoida, miten yleisurheilijan suoritukseen vaikuttavat sellaiset tekijät kuin ikä, pituus ja paino. Voit jakaa nämä suoritustiedoista saatuihin sarjoihin perustuvat tekijät suoritusmittariin ja käyttää sitten tuloksia uuden, testaamattoman yleisurheilijan suoritusten ennustamiseen.
Regressiotyökalu käyttää laskentataulukon LINREGR-funktiota.
Otanta
Otanta-analyysityökalu luo populaatiosta otoksen pitämällä syöttöaluetta populaationa. Kun populaatio on liian laaja prosessoitavaksi tai käytettäväksi kaavion pohjana, voit käyttää sitä esittävää otosta. Jos syöttötiedot ovat kausittaisia, voit luoda myös otoksen, joka sisältää arvoja vain tietystä kohdasta kiertoa. Jos syöttöalue sisältää esimerkiksi neljännesvuosittaisia myyntilukuja, näytteen ottaminen neljän jaksoissa sijoittaa saman vuosineljänneksen arvot samaan tulostusalueeseen.
T-testi
Kahden otoksen t-testi -analyysityökalut testaavat, ovatko otosten populaatioiden keskiarvot yhtä suuret. Nämä kolme työkalua käyttävät eri alkuoletuksia: populaatioiden varianssit ovat yhtä suuret, populaatioiden varianssit ovat eri suuret tai otokset ovat samoista kohteista ennen käsittelyä ja sen jälkeen.
Kaikki seuraavat kolme työkalua laskevat t-arvon ja tulostavat sen tulostustaulukkoon. Tämä t-arvo voi olla tietojoukon mukaan negatiivinen tai positiivinen. Jos oletetaan, että populaation peruste on yhtä suuri, jos t < 0, "P(T <= t) yksihäntäinen" antaa todennäköisyyden sille, että t-tilaston arvo on negatiivisempi kuin t. Jos t >=0, "P(T <= t) yksihäntäinen" antaa todennäköisyyden sille, että t-tilaston arvo on positiivisempi kuin t. "t-raja, yksisuuntainen" määrittää leikkauspisteen, jossa todennäköisyys, että t-arvo on suurempi tai yhtä suuri kuin "t-raja, yksisuuntainen", on alfa.
"P(T <= t) kaksihäntäinen" antaa todennäköisyyden sille, että t-tilaston arvo on suurempi itseisarvona kuin t. "P-raja, kaksisuuntainen" määrittää leikkauspisteen, jossa todennäköisyys, että t-arvon itseisarvo on suurempi kuin "P-raja, kaksisuuntainen", on alfa.
Parittainen kahden otoksen t-testi keskiarvoille
Voit käyttää parittaista testiä, kun otoksissa on luonnollinen havaintopari, esimerkiksi jos otosryhmä testataan kahdesti: ennen koetta ja sen jälkeen. Tässä t-testimuodossa ei oleteta, että molempien populaatioiden varianssit ovat yhtä suuret. Voit käyttää parillista testiä, kun otoksista tehdyissä havainnoissa on luonnollisia pariutumisia, kuten silloin, kun otosryhmä testataan kahdesti, ennen käsittelyä ja käsittelyn jälkeen.
Huomautus
Tämän työkalun avulla luotujen tulosten joukossa on ryhmitetty varianssi, varianssin tietojen kertynyt määrä, joka johdetaan seuraavasta kaavasta.
Kahden otoksen t-testi olettaen varianssit yhtä suuriksi
Tämä analyysityökalu suorittaa kahteen otokseen perustuvan t-testin. Tässä t-testissä oletetaan, että tietojoukot ovat jakaumista, joiden varianssit ovat samoja. Testi tunnetaan myös homoskedastisena t-testinä. Voit määrittää tällä t-testillä, ovatko otokset todennäköisesti jakaumista, joiden populaatioiden keskiarvot ovat yhtä suuret.
Kahden otoksen t-testi olettaen varianssit erisuuriksi
Tämä analyysityökalu suorittaa kahteen otokseen perustuvan t-testin. Tässä testissä oletetaan, että tietojoukot ovat jakaumista, joiden varianssit ovat eri suuria. Testi tunnetaan myös heteroskedastisena t-testinä. Testillä voidaan määrittää, ovatko kaksi otosta todennäköisesti jakaumista, joiden keskiarvot yhtä suuria. Käytä testiä silloin, kun testattavana on kaksi eri joukkoa. Käytä seuraavassa kuvattua parittaista testiä, jos tarkoitus on testata samaa joukkoa esimerkiksi ennen käsittelyä ja käsittelyn jälkeen.
Seuraavan kaavan avulla lasketaan tilastoarvo t.
Seuraavalla kaavalla voit laskea vapausasteet (df). Koska laskutoimituksen tulos ei yleensä ole kokonaisluku, df:n arvo pyöristetään lähimpään kokonaislukuun, jotta sille voidaan hakea raja-arvo t-taulukosta. Excel-laskentataulukkofunktio T.TESTI käyttää laskettua df-arvoa pyöristämättä, koska T.TESTI-funktion arvo voidaan laskea kokonaisluvun ulkopuolisella df:llä. Koska vapausasteiden määrittämiseen käytetään erilaisia lähestymistapoja, T.TESTI-työkalun ja tämän t-testityökalun tulokset eroavat toisistaan Epätasa-arvoisten varianssien tapauksessa.
Z-testi
Kahden otoksen z-testi keskiarvoille -analyysityökalu suorittaa kahden otoksen z-testin keskiarvoille, kun varianssit tunnetaan. Tämä työkalu testaa nollahypoteesin, jonka mukaan kahden populaation keskiarvoilla ei ole eroa toisin kuin yksi- ja kaksipuolisissa vaihtoehtohypoteeseissa. Jos varianssit eivät ole tiedossa, laskentataulukkofunktiota Z.TESTI tulee käyttää sen sijaan.
Kun käytät z-testi-työkalua, ole huolellinen tulosten tulkinnassa. "P(Z <= z) yksisuuntainen" on todella P(Z >= ABS(z)), z-arvon todennäköisyys, joka on kauempana nollasta samaan suuntaan kuin havaittu z-arvo, kun populaation arvojen välillä ei ole eroa. "P(Z <= z) kaksipäinen" on todella P(Z >= ABS(z) tai Z <= -ABS(z)), z-arvon todennäköisyys, joka on kauempana nollasta kumpaankin suuntaan kuin havaittu z-arvo, kun populaation arvojen välillä ei ole eroa. Kaksisuuntainen tulos on vain yksisuuntainen tulos kerrottuna kahdella. Z-testi-työkalua voit käyttää myös tapauksessa, jossa nollahypoteesi on, että kahden populaation keskiarvojen erolle on olemassa tietty nollasta poikkeava arvo. Voit käyttää tätä testiä esimerkiksi määrittäessäsi kahden automallin suorituskyvyn väliset erot.
Tarvitsetko lisätietoja?
Voit aina pyytää apua Excel Tech Communityn asiantuntijalta tai saada tukea yhteisöissä.
Katso myös
Histogrammin luominen Excel 2016:ssa
Pareto-kaavion luominen Excel 2016:ssa
Analyysityökalujen lataaminen Excelissä
Viallisten kaavojen ratkaiseminen
Kaavojen virheiden etsiminen ja korjaaminen
Excelin pika- ja toimintonäppäimet