ใช้ Analysis ToolPak เพื่อวิเคราะห์ข้อมูลที่ซับซ้อน

ถ้าคุณต้องการพัฒนาการวิเคราะห์ทางสถิติหรือทางวิศวกรรมที่ซับซ้อน คุณสามารถประหยัดขั้นตอนและเวลาได้โดยใช้ Analysis ToolPak คุณให้ข้อมูลและพารามิเตอร์สําหรับการวิเคราะห์แต่ละครั้ง และเครื่องมือจะใช้ฟังก์ชันแมโครทางสถิติหรือวิศวกรรมที่เหมาะสมเพื่อคํานวณและแสดงผลลัพธ์ในตารางผลลัพธ์ เครื่องมือบางอย่างจะสร้างแผนภูมินอกเหนือจากตารางผลลัพธ์

ฟังก์ชันการวิเคราะห์ข้อมูลสามารถใช้บนเวิร์กชีตได้ครั้งละหนึ่งเวิร์กชีตเท่านั้น เมื่อคุณทําการวิเคราะห์ข้อมูลบนเวิร์กชีตที่ถูกจัดกลุ่ม ผลลัพธ์จะปรากฏบนเวิร์กชีตแรก และตารางที่จัดรูปแบบว่างเปล่าจะปรากฏบนเวิร์กชีตที่เหลือ เมื่อต้องการทําการวิเคราะห์ข้อมูลในส่วนที่เหลือของเวิร์กชีต ให้คํานวณเครื่องมือการวิเคราะห์สําหรับแต่ละเวิร์กชีตใหม่

Analysis ToolPak ประกอบด้วยเครื่องมือที่อธิบายไว้ในส่วนต่อไปนี้ เมื่อต้องการเข้าถึงเครื่องมือเหล่านี้ ให้เลือก การวิเคราะห์ข้อมูล บนแท็บ ข้อมูล ถ้าคําสั่ง การวิเคราะห์ข้อมูล ไม่พร้อมใช้งาน คุณจําเป็นต้องโหลดและเปิดใช้งานโปรแกรม Analysis ToolPak Add-in

การโหลดและเปิดใช้งาน Analysis ToolPak

1. เมื่อต้องการโหลดและเปิดใช้งาน Analysis ToolPak:

   In Excel for Mac ในเมนูไฟล์ ให้ไปที่ เครื่องมือ>Add-in ของ Excel

   ใน Excel สําหรับ Windows:

   1. เลือก ไฟล์ตัวเลือก แล้วเลือก Add-in
   2. ในกล่อง จัดการ ให้เลือก Add-in ของ Excel แล้วเลือก ไป

2. ในกล่อง Add-in ให้เลือกกล่องกาเครื่องหมาย Analysis ToolPak แล้วเลือก ตกลง

   • ถ้า Analysis ToolPak ไม่อยู่ในกล่อง Add-in ที่มีอยู่ ให้คลิก เรียกดู เพื่อระบุตำแหน่ง Analysis ToolPak
   • หากคุณได้รับพร้อมท์ว่า Analysis ToolPak ไม่ได้ติดตั้งอยู่ในคอมพิวเตอร์ของคุณในขณะนี้ ให้เลือก ใช่ เพื่อติดตั้ง Analysis ToolPak

Anova

เครื่องมือการวิเคราะห์ Anova มีการวิเคราะห์ค่าความแปรปรวนชนิดต่างๆ เครื่องมือที่คุณควรใช้จะขึ้นอยู่กับจํานวนปัจจัยและจํานวนตัวอย่างที่คุณมีจากประชากรที่คุณต้องการทดสอบ

Anova: ปัจจัยเดียว

เครื่องมือนี้จะทําการวิเคราะห์อย่างง่ายเกี่ยวกับค่าความแปรปรวนของข้อมูลสําหรับตัวอย่างอย่างน้อยสองตัวอย่าง การวิเคราะห์จะให้การทดสอบสมมติฐานว่าแต่ละตัวอย่างถูกดึงมาจากการแจกแจงความน่าจะเป็นแบบเดียวกันเทียบกับสมมติฐานสํารองว่าการแจกแจงความน่าจะเป็นพื้นฐานไม่เหมือนกันสําหรับตัวอย่างทั้งหมด ถ้ามีเพียงสองตัวอย่าง คุณสามารถใช้ฟังก์ชันเวิร์กชีต T.TEST ได้ ด้วยตัวอย่างมากกว่าสองตัวอย่างไม่มีการปรับแต่งทั่วไปที่สะดวกของ T.TEST และรุ่น Single Factor Anova สามารถเรียกได้แทน

Anova: สองปัจจัยที่มีการจำลองแบบ

เครื่องมือการวิเคราะห์นี้มีประโยชน์เมื่อสามารถจัดประเภทข้อมูลได้สองขนาดที่แตกต่างกัน ตัวอย่างเช่นในการทดลองเพื่อวัดความสูงของพืชพืชอาจได้รับปุ๋ยยี่ห้อต่าง ๆ (ตัวอย่างเช่น A, B, C) และอาจเก็บไว้ในอุณหภูมิที่แตกต่างกัน (ตัวอย่างเช่นต่ําสูง) สําหรับ {ปุ๋ย, อุณหภูมิ} ที่เป็นไปได้หกคู่ เรามีการสังเกตความสูงของพืชเท่ากัน เมื่อใช้เครื่องมือ Anova นี้ เราสามารถทดสอบ:

• ความสูงของพืชสําหรับแบรนด์ปุ๋ยที่แตกต่างกันนั้นถูกวาดจากประชากรที่เป็นพื้นฐานเดียวกันหรือไม่ อุณหภูมิจะถูกละเว้นสําหรับการวิเคราะห์นี้
• ความสูงของพืชสําหรับระดับอุณหภูมิที่แตกต่างกันนั้นถูกวาดจากประชากรที่เป็นพื้นฐานเดียวกันหรือไม่ แบรนด์ปุ๋ยจะถูกละเว้นสําหรับการวิเคราะห์นี้

ไม่ว่าจะคํานึงถึงผลกระทบของความแตกต่างระหว่างตราสินค้าของปุ๋ยที่พบในสัญลักษณ์แสดงหัวข้อย่อยจุดแรกและความแตกต่างของอุณหภูมิที่พบในสัญลักษณ์แสดงหัวข้อย่อยที่สองตัวอย่างหกตัวอย่างที่แสดงค่า {ปุ๋ย, อุณหภูมิ} ทุกคู่จะถูกวาดจากประชากรเดียวกัน สมมติฐานอื่นคือมีผลเนื่องจาก {ปุ๋ย, อุณหภูมิ} คู่ที่เฉพาะเจาะจงมากกว่าและสูงกว่าความแตกต่างที่ใช้ปุ๋ยเพียงอย่างเดียวหรืออุณหภูมิเพียงอย่างเดียว

Anova: สองปัจจัยที่ไม่มีการจำลองแบบ

เครื่องมือการวิเคราะห์นี้มีประโยชน์เมื่อข้อมูลถูกจัดประเภทบนสองขนาดที่แตกต่างกันเช่นในกรณี Two-Factor ด้วยการจําลองแบบ อย่างไรก็ตามสําหรับเครื่องมือนี้จะสันนิษฐานว่ามีเพียงข้อสังเกตเดียวสําหรับแต่ละคู่ (ตัวอย่างเช่น แต่ละคู่ {ปุ๋ย, อุณหภูมิ} ในตัวอย่างก่อนหน้านี้)

สหสัมพันธ์

ฟังก์ชันเวิร์กชีต CORREL และ PEARSON จะคํานวณสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรการวัดสองตัว เมื่อการวัดบนแต่ละตัวแปรถูกสังเกตได้สําหรับแต่ละหัวข้อ N (ข้อสังเกตใด ๆ ที่หายไปสําหรับสาเหตุใด ๆ ที่อาจมีการละเว้นในการวิเคราะห์) เครื่องมือการวิเคราะห์สหสัมพันธ์มีประโยชน์เป็นพิเศษเมื่อมีตัวแปรการวัดมากกว่าสองตัวแปรสําหรับแต่ละหัวข้อ N ซึ่งจะให้ตารางผลลัพธ์ ซึ่งเป็นเมทริกซ์สหสัมพันธ์ ที่แสดงค่า ของ CORREL (หรือ PEARSON) ที่ใช้กับตัวแปรการวัดที่เป็นไปได้แต่ละคู่

ค่าสัมประสิทธิ์สหสัมพันธ์ เช่น ค่าความแปรปรวนร่วม เป็นการวัดขอบเขตที่ตัวแปรการวัดสองตัว "แตกต่างกันด้วยกัน" ค่าสัมประสิทธิ์สหสัมพันธ์จะต่างจากค่าความแปรปรวนร่วม ดังนั้น ค่าของค่าสหสัมพันธ์จึงไม่ขึ้นอยู่กับหน่วยที่แสดงตัวแปรการวัดสองตัว (ตัวอย่างเช่น ถ้าตัวแปรการวัดสองตัวคือน้ําหนักและความสูง ค่าของสัมประสิทธิ์สหสัมพันธ์จะไม่เปลี่ยนแปลง ถ้าน้ําหนักถูกแปลงจากปอนด์เป็นกิโลกรัม) ค่าของสัมประสิทธิ์สหสัมพันธ์ใดๆ ต้องอยู่ระหว่าง -1 และ +1

คุณสามารถใช้เครื่องมือวิเคราะห์สหสัมพันธ์ เพื่อตรวจสอบคู่ตัวแปรการวัดแต่ละคู่ เมื่อต้องการระบุว่าตัวแปรการวัดสองตัวมีแนวโน้ม "แปรตามกัน" หรือไม่ นั่นก็คือ ตัวแปรหนึ่งที่มีค่ามากมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์บวก) ตัวแปรหนึ่งที่มีค่าน้อยมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์ลบ) หรือค่าของทั้งสองตัวแปรมีแนวโน้มที่จะไม่สัมพันธ์กัน (สหสัมพันธ์เข้าใกล้ 0 (ศูนย์))

ความแปรปรวนร่วม

เครื่องมือสหสัมพันธ์และค่าความแปรปรวนร่วมสามารถใช้ในการตั้งค่าเดียวกันได้ทั้งคู่ เมื่อคุณสังเกตเห็นตัวแปรการประเมิน N ที่แตกต่างกันในแต่ละชุด เครื่องมือสหสัมพันธ์และค่าความแปรปรวนร่วมจะให้ตารางผลลัพธ์ เมทริกซ์ ที่แสดงสัมประสิทธิ์สหสัมพันธ์หรือค่าความแปรปรวนร่วม ตามลําดับระหว่างตัวแปรการวัดแต่ละคู่ ความแตกต่างคือสัมประสิทธิ์สหสัมพันธ์จะถูกปรับมาตราส่วนให้อยู่ระหว่าง -1 และ +1 ค่าความแปรปรวนร่วมที่สอดคล้องกันจะไม่ถูกปรับมาตราส่วน ทั้งค่าสัมประสิทธิ์สหสัมพันธ์และค่าความแปรปรวนร่วมเป็นการวัดขอบเขตที่ตัวแปรสองตัว "แตกต่างกัน"

เครื่องมือค่าความแปรปรวนร่วมจะคํานวณค่าของฟังก์ชันเวิร์กชีต COVARIANCE P สําหรับแต่ละคู่ของตัวแปรการวัด (การใช้งานโดยตรงของค่าความแปรปรวนร่วม P แทนเครื่องมือความแปรปรวนร่วมเป็นทางเลือกที่เหมาะสมเมื่อมีตัวแปรการวัดเพียงสองตัวแปร นั่นคือ N=2) รายการบนเส้นทแยงมุมของตารางผลลัพธ์ของเครื่องมือค่าความแปรปรวนร่วมในแถว i คอลัมน์ i คือค่าความแปรปรวนร่วมของตัวแปรการวัดในลําดับที่ i ค่านี้เป็นเพียงค่าความแปรปรวนของประชากรสําหรับตัวแปรนั้น ดังที่คํานวณโดยฟังก์ชันเวิร์กชีต VAR.P

คุณสามารถใช้เครื่องมือวิเคราะห์ความแปรปรวนร่วม เพื่อตรวจสอบคู่ตัวแปรการวัดแต่ละคู่ เมื่อต้องการระบุว่าตัวแปรการวัดสองตัวมีแนวโน้ม "แปรตามกัน" หรือไม่ นั่นก็คือ ตัวแปรหนึ่งที่มีค่ามากมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์บวก) ตัวแปรหนึ่งที่มีค่าน้อยมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์ลบ) หรือค่าของทั้งสองตัวแปรมีแนวโน้มที่จะไม่สัมพันธ์กัน (สหสัมพันธ์เข้าใกล้ 0 (ศูนย์))

สถิติเชิงพรรณนา

เครื่องมือวิเคราะห์สถิติเชิงพรรณนาจะสร้างรายงานของสถิติหนึ่งตัวแปรสำหรับข้อมูลในช่วงข้อมูลเข้า โดยมีข้อมูลเกี่ยวกับแนวโน้มเข้าสู่ส่วนกลางและการแปรผันของข้อมูลของคุณ

การปรับเรียบแบบเอ็กซ์โพเนนเชียล

เครื่องมือการปรับเรียบแบบเอ็กซ์โพเนนเชียลทํานายค่าที่ยึดตามการพยากรณ์สําหรับช่วงเวลาก่อนหน้า ซึ่งได้รับการปรับปรุงสําหรับข้อผิดพลาดในการพยากรณ์ก่อนหน้านี้ เครื่องมือใช้ค่าคงที่ปรับเรียบ a ขนาดของค่าที่กําหนดว่าการคาดการณ์ตอบสนองต่อข้อผิดพลาดในการพยากรณ์ก่อนหน้านี้มากเพียงใด

ความแปรปรวนแบบ F-Test สองตัวอย่าง

เครื่องมือการวิเคราะห์ความแปรปรวนแบบ F-Test สองตัวอย่าง จะดำเนินการ F-test แบบสองตัวอย่างเพื่อเปรียบเทียบความแปรปรวนของประชากรสองกลุ่ม

ตัวอย่างเช่น คุณสามารถใช้เครื่องมือ F-Test กับตัวอย่างของเวลาในการว่ายน้ําสําหรับทีมแต่ละทีม เครื่องมือจะให้ผลลัพธ์ของการทดสอบสมมติฐาน Null ว่าตัวอย่างทั้งสองนี้มาจากการแจกแจงที่มีค่าความแปรปรวนเท่ากันเทียบกับค่าความแปรปรวนไม่เท่ากันในการแจกแจงพื้นฐาน

เครื่องมือจะคํานวณค่า f ของ F-statistic (หรือ F-ratio) ค่า f ที่ใกล้เคียงกับ 1 จะแสดงหลักฐานว่าค่าความแปรปรวนของประชากรพื้นฐานเท่ากับ ในตารางผลลัพธ์ ถ้า f < 1 "P(F <= f) ด้านเดียว" จะให้ความน่าจะเป็นในการสังเกตค่าของ F-statistic น้อยกว่า f เมื่อค่าความแปรปรวนของประชากรเท่ากัน และ "F Critical one-tail" จะให้ค่าวิกฤตที่น้อยกว่า 1 สําหรับระดับนัยสําคัญที่เลือก Alpha ถ้า f > 1, "P(F <= f) one-tail" จะให้ความน่าจะเป็นในการสังเกตค่าของสถิติ F ที่มากกว่า f เมื่อค่าความแปรปรวนของประชากรเท่ากับ และ "F Critical one-tail" จะให้ค่าวิกฤตที่มากกว่า 1 สําหรับ Alpha

การวิเคราะห์แบบฟูเรียร์

เครื่องมือการวิเคราะห์แบบฟูเรียร์จะแก้ไขปัญหาในระบบเชิงเส้น และวิเคราะห์ข้อมูลเป็นระยะโดยใช้วิธี Fast Fourier Transform (FFT) เพื่อแปลงข้อมูล เครื่องมือนี้ยังสนับสนุนการแปลงผกผัน ซึ่งค่าผกผันของข้อมูลที่แปลงจะส่งกลับข้อมูลต้นฉบับ

ฮิสโตแกรม

เครื่องมือการวิเคราะห์ฮิสโตแกรมจะคำนวณความถี่แต่ละความถี่และความถี่สะสมสำหรับช่วงเซลล์ของข้อมูลและตัวเก็บข้อมูล เครื่องมือนี้จะสร้างข้อมูลสำหรับจำนวนครั้งที่ค่าในชุดข้อมูลนั้นเกิดขึ้น

ตัวอย่างเช่น ในชั้นเรียนที่มีนักเรียน 20 คน คุณสามารถกําหนดการแจกแจงคะแนนในประเภทเกรดเป็นตัวอักษรได้ ตารางฮิสโตแกรมจะแสดงขอบเขตของเกรดตัวอักษรและจํานวนคะแนนระหว่างขอบเขตต่ําสุดและขอบเขตปัจจุบัน คะแนนเดียวที่ใช้บ่อยที่สุดคือโหมดของข้อมูล

ค่าเฉลี่ยเคลื่อนที่

เครื่องมือการวิเคราะห์ค่าเฉลี่ยเคลื่อนที่จะประมาณค่าในช่วงการพยากรณ์ โดยยึดตามค่าเฉลี่ยของตัวแปรในจํานวนช่วงเวลาก่อนหน้าที่ระบุ ค่าเฉลี่ยเคลื่อนที่จะให้ข้อมูลแนวโน้มที่ค่าเฉลี่ยอย่างง่ายของข้อมูลในอดีตทั้งหมดจะมาสก์ ใช้เครื่องมือนี้เพื่อคาดการณ์ยอดขาย สินค้าคงคลัง หรือแนวโน้มอื่นๆ ค่าการพยากรณ์แต่ละค่าจะยึดตามสูตรต่อไปนี้

โดยที่

• N คือจำนวนคาบก่อนหน้าที่จะรวมไว้ในค่าเฉลี่ยเคลื่อนที่
• Aj คือค่าจริงณ เวลาที่ j
• Fj คือค่าพยากรณ์ณ เวลา j

การสร้างหมายเลขสุ่ม

เครื่องมือการวิเคราะห์การสร้างหมายเลขสุ่มจะเติมช่วงด้วยตัวเลขสุ่มที่เป็นอิสระจากหนึ่งในการแจกแจงหลายรายการ คุณสามารถระบุหัวข้อในประชากรที่มีการแจกแจงความน่าจะเป็นได้ ตัวอย่างเช่น คุณสามารถใช้การแจกแจงปกติเพื่อระบุจํานวนประชากรความสูงของแต่ละบุคคล หรือคุณสามารถใช้การแจกแจงเบอร์นูลีของผลลัพธ์ที่เป็นไปได้สองแบบเพื่อระบุจํานวนประชากรของผลลัพธ์แบบพลิกเหรียญ

ลำดับที่และเปอร์เซ็นไทล์

เครื่องมือการวิเคราะห์อันดับและเปอร์เซ็นต์ไทล์จะสร้างตารางที่มีลําดับเลขลําดับและเปอร์เซ็นต์ของแต่ละค่าในชุดข้อมูล คุณสามารถวิเคราะห์จุดยืนสัมพัทธ์ของค่าต่างๆ ในชุดข้อมูลได้ เครื่องมือนี้ใช้ฟังก์ชันเวิร์กชีต RANK EQ และ PERCENTRANK INC. ถ้าคุณต้องการลงบัญชีสําหรับค่าที่เชื่อมโยง ให้ใช้ RANK ฟังก์ชัน EQ ซึ่งถือว่าค่าที่ผูกไว้เป็นลําดับเดียวกัน หรือใช้ ฟังก์ชัน RANK ฟังก์ชัน AVG ซึ่งส่งกลับอันดับเฉลี่ยของค่าที่ผูก

การถดถอย

เครื่องมือการวิเคราะห์การถดถอยจะทําการวิเคราะห์การถดถอยเชิงเส้นโดยใช้วิธี "กําลังสองน้อยที่สุด" เพื่อให้พอดีกับเส้นผ่านชุดของการสังเกต คุณสามารถวิเคราะห์ว่าตัวแปรที่ไม่เป็นอิสระตัวเดียวได้รับผลกระทบจากค่าของตัวแปรอิสระหนึ่งตัวหรือมากกว่าได้อย่างไร ตัวอย่างเช่นคุณสามารถวิเคราะห์ประสิทธิภาพของนักกีฬาที่ได้รับผลกระทบจากปัจจัยเช่นอายุความสูงและน้ําหนัก คุณสามารถแบ่งส่วนแบ่งในการวัดประสิทธิภาพการทํางานให้กับปัจจัยทั้งสามนี้ โดยยึดตามชุดข้อมูลประสิทธิภาพการทํางาน แล้วใช้ผลลัพธ์เพื่อทํานายประสิทธิภาพการทํางานของนักกีฬาใหม่ที่ยังไม่ได้ทําการทดสอบ

เครื่องมือการถดถอยจะใช้ฟังก์ชันเวิร์กชีต LINEST

การสุ่มตัวอย่าง

เครื่องมือการวิเคราะห์การสุ่มตัวอย่างจะสร้างตัวอย่างจากประชากรโดยถือว่าช่วงข้อมูลเข้าเป็นประชากร เมื่อประชากรมีขนาดใหญ่เกินกว่าที่จะประมวลผลหรือสร้างแผนภูมิ ได้ คุณสามารถใช้ตัวอย่างที่เป็นตัวแทนได้ คุณยังสามารถสร้างตัวอย่างที่มีเฉพาะค่าจากส่วนใดส่วนหนึ่งของรอบถ้าคุณเชื่อว่าข้อมูลป้อนเข้าเป็นข้อมูลประจํางวด ตัวอย่างเช่น ถ้าช่วงข้อมูลเข้ามีตัวเลขยอดขายรายไตรมาส การสุ่มตัวอย่างที่มีอัตราเป็นงวดสี่จะวางค่าจากไตรมาสเดียวกันในช่วงผลลัพธ์

t-Test

การทดสอบเครื่องมือการวิเคราะห์ t-Test Two-Sample เพื่อความเท่าเทียมกันของประชากรหมายความว่าต้องเน้นแต่ละตัวอย่าง เครื่องมือทั้งสามนี้ใช้สมมติฐานที่แตกต่างกัน: ค่าความแปรปรวนของประชากรเท่ากับค่าความแปรปรวนของประชากรไม่เท่ากัน และตัวอย่างทั้งสองนี้แสดงถึงการสังเกตก่อนการรักษาและหลังการรักษาในหัวข้อเดียวกัน

สําหรับเครื่องมือทั้งสามด้านล่างนี้ ค่า t-Statistic จะถูกคํานวณและแสดงเป็น "t Stat" ในตารางผลลัพธ์ ค่า t นี้อาจเป็นค่าลบหรือไม่เป็นลบ ทั้งนี้ขึ้นอยู่กับข้อมูล ภายใต้ข้อสมมติฐานของประชากรที่เป็นฐานเท่ากับหมายถึง ถ้า t < 0 ,"P(T <= t) one-tail" ให้ความน่าจะเป็นที่ค่าของ t-Statistic จะสังเกตได้ว่ามีค่าลบมากกว่า t ถ้า t >=0 ฟังก์ชัน "P(T <= t) one-tail" จะให้ความน่าจะเป็นที่ค่าของ t-Statistic จะสังเกตได้ว่ามีค่าบวกมากกว่า t "t Critical one-tail" ให้ค่าตัด เพื่อให้ความน่าจะเป็นของการสังเกตค่าของ t-Statistic มากกว่าหรือเท่ากับ "t Critical one-tail" คือ Alpha

"P(T <= t) two-tail" จะให้ความน่าจะเป็นที่ค่าของ t-Statistic จะสังเกตเห็นว่าค่าสัมบูรณ์มากกว่า t "P Critical two-tail" ให้ค่าตัด เพื่อให้ความน่าจะเป็นของ t-Statistic ที่สังเกตมีขนาดใหญ่กว่าค่าสัมบูรณ์มากกว่า "P Critical two-tail" คือ Alpha

t-Test: จับคู่สองตัวอย่างสำหรับค่าเฉลี่ย

คุณสามารถใช้การทดสอบจับคู่เมื่อมีการจับคู่ค่าสังเกตอย่างเป็นธรรมชาติในตัวอย่าง เช่น เมื่อทดสอบกลุ่มตัวอย่างสองครั้ง ก่อนและหลังการทดลอง เครื่องมือการวิเคราะห์นี้และสูตรของนักเรียนดําเนินการจับคู่สองตัวอย่าง t-Test เพื่อตรวจสอบว่าข้อสังเกตที่นํามาก่อนการรักษาและการสังเกตที่เกิดขึ้นหลังจากการรักษามีแนวโน้มที่จะมาจากการกระจายที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่ ฟอร์ม t-Test นี้ไม่ถือว่าค่าความแปรปรวนของประชากรทั้งสองเท่ากัน

t-Test: สองตัวอย่างที่ตั้งสมมติฐานว่าความแปรปรวนเท่ากัน

เครื่องมือการวิเคราะห์นี้จะทําการทดสอบ t-Test ของนักเรียนสองตัวอย่าง แบบฟอร์ม t-Test นี้จะถือว่าชุดข้อมูลทั้งสองชุดมาจากการแจกแจงที่มีค่าความแปรปรวนเหมือนกัน เรียกว่าเป็น homoscedastic t-Test คุณสามารถใช้ t-Test นี้เพื่อตรวจสอบว่าตัวอย่างทั้งสองนี้น่าจะมาจากการแจกแจงที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่

t-Test: สองตัวอย่างที่ตั้งสมมติฐานว่าความแปรปรวนไม่เท่ากัน

เครื่องมือการวิเคราะห์นี้จะทําการทดสอบ t-Test ของนักเรียนสองตัวอย่าง แบบฟอร์ม t-Test นี้จะถือว่าชุดข้อมูลทั้งสองชุดมาจากการแจกแจงที่มีค่าความแปรปรวนที่ไม่เท่ากัน เรียกว่าเป็นการทดสอบแบบ tteroscedastic เช่นเดียวกับตัวพิมพ์ค่าความแปรปรวนที่เท่ากันก่อนหน้า คุณสามารถใช้ t-Test นี้เพื่อกําหนดว่าตัวอย่างทั้งสองนี้น่าจะมาจากการแจกแจงที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่ ใช้การทดสอบนี้เมื่อมีวิชาที่แตกต่างกันในสองตัวอย่าง ใช้การทดสอบจับคู่ ตามที่อธิบายไว้ในตัวอย่างต่อไปนี้ เมื่อมีหัวข้อชุดเดียว และตัวอย่างสองชุดแสดงการวัดสําหรับแต่ละหัวข้อก่อนและหลังการรักษา

สูตรต่อไปนี้จะใช้กำหนดค่าสถิติ t

สูตรต่อไปนี้จะใช้ในการคํานวณระดับความเป็นอิสระ df เนื่องจากผลลัพธ์ของการคํานวณมักจะไม่ใช่จํานวนเต็ม ค่าของ df จะถูกปัดเศษให้เป็นจํานวนเต็มที่ใกล้เคียงที่สุดเพื่อรับค่าวิกฤตจากตาราง t ฟังก์ชันเวิร์กชีต Excel T.TEST จะใช้ค่า df จากการคํานวณโดยไม่มีการปัดเศษ เนื่องจากเป็นไปได้ที่จะคํานวณค่าสําหรับ T.TEST ที่มีค่าที่ไม่ใช่จํานวนเต็ม df เนื่องจากวิธีการที่แตกต่างกันเหล่านี้เพื่อกําหนดระดับความเป็นอิสระ ผลลัพธ์ของ T.TEST และเครื่องมือ t-Test นี้จะแตกต่างกันในกรณีความแปรปรวนที่ไม่เท่ากัน

z-Test

z-Test: เครื่องมือการวิเคราะห์สองตัวอย่างสําหรับค่าเฉลี่ยจะดําเนินการ z-Test สองตัวอย่างสําหรับค่าเฉลี่ยที่มีค่าความแปรปรวนที่ทราบแล้ว เครื่องมือนี้ใช้เพื่อทดสอบสมมติฐานว่าไม่มีความแตกต่างระหว่างประชากรสองวิธีเทียบกับสมมติฐานทางเลือกด้านเดียวหรือสองด้าน ถ้าไม่ทราบค่าความแปรปรวน ควรใช้ฟังก์ชันเวิร์กชีต Z.TEST แทน

เมื่อคุณใช้เครื่องมือ z-Test โปรดระวังเพื่อทําความเข้าใจผลลัพธ์ "P(Z <= z) one-tail" คือจริง P(Z >= ABS(z)) ความน่าจะเป็นของค่า z ที่อยู่ไกลจาก 0 ในทิศทางเดียวกับค่า z ที่สังเกตเมื่อไม่มีความแตกต่างระหว่างค่าประชากร "P(Z <= z) two-tail" คือจริง P(Z >= ABS(z) หรือ Z <= -ABS(z)) ความน่าจะเป็นของค่า z จาก 0 ในทิศทางใดทิศทางหนึ่งมากกว่าค่า z ที่สังเกตเมื่อไม่มีความแตกต่างระหว่างค่าเฉลี่ยของประชากร ผลลัพธ์แบบสองด้านเป็นเพียงผลลัพธ์ด้านเดียวที่คูณด้วย 2 เครื่องมือ z-Test ยังสามารถใช้สําหรับกรณีที่สมมติฐาน Null คือมีค่าที่ไม่ใช่ศูนย์ที่เฉพาะเจาะจงสําหรับความแตกต่างระหว่างค่าเฉลี่ยของประชากรทั้งสอง ตัวอย่างเช่น คุณสามารถใช้การทดสอบนี้เพื่อกําหนดความแตกต่างระหว่างการแสดงของรถยนต์สองรุ่น

ต้องการความช่วยเหลือเพิ่มเติมไหม

คุณสามารถสอบถามผู้เชี่ยวชาญใน ชุมชนด้านเทคนิคของ Excel หรือรับการสนับสนุนใน ชุมชนได้เสมอ

ดูเพิ่มเติม

สร้างฮิสโทแกรมใน Excel 2016

สร้างแผนภูมิ Pareto ใน Excel 2016

โหลด Analysis ToolPak ใน Excel

ฟังก์ชันวิศวกรรม (ข้อมูลอ้างอิง)

ภาพรวมของสูตรใน Excel

วิธีการหลีกเลี่ยงสูตรที่ใช้งานไม่ได้

ค้นหาและแก้ไขข้อผิดพลาดในสูตร

แป้นพิมพ์ลัดและแป้นฟังก์ชัน Excel

ฟังก์ชันของ Excel (เรียงลำดับตามตัวอักษร)

ฟังก์ชันของ Excel (เรียงตามประเภท)