IBM Lotus Symphony
|
借助已知的 X 轴值和 Y 轴值计算线性回归线与 Y 轴的交点。
INTERCEPT(DataY; DataX)
DataY 是因变观察值组或因变数据组。
DataX 是自变观察值组或自变数据组。
必须在此处使用名称、数组或引用包含的数字。也可以直接输入数字。
以示例中工作表为例,选取单元格 D3:D9 作为 y 值,单元格 C3:C9 为 x 值,用 INTERCEPT 函数计算线性回归线与 Y 轴的交点。输入:
=INTERCEPT(D3:D9;C3:C9) = 2.15。
计算某一参数列表中包含的数字项的个数。 仅计算数字类型的数据项,文本项不计。单个的值相加。
COUNT(Value1; Value2; ... Value30)
Value1; Value2, ... 是表示要计数的值的 1 到 30 个值或范围。
计算 Value 1-4 域中条目 2、4、6 和 eight 中数字项的个数。
=COUNT(2;4;6;"eight") = 3。即数字项的个数为 3。
计算参数列表中值的数目。 即使文本条目包含长度为 0 的空字符串,仍将对其计数。如果参数为数组或引用,那么将忽略该数组或引用中的空单元格。
COUNTA(Value1; Value2; ... Value30)
Value1; Value2, ... 是表示要计数的值的 1 到 30 个参数。
计算 Value 1-4 域中条目 2、4、6 和 eight 中数字项的个数。
=COUNTA(2;4;6;"eight") = 4。即数字项的个数为 4。
返回二项式分布的试验结果概率。
B(Trials; SP; T1; T2)
Trials 是试验的总次数。
SP 是每一次试验中成功的概率。
T1 定义试验次数的下限。
T2(可选)定义试验次数的上限。
计算抛掷 10 次骰子中有两次掷中 6 点的概率。掷中 6(或其他任何数字)的概率为 1/6。一下公式将这些因子组合在一起:
=B(10;1/6;2) 返回的概率结果为 29%。
根据给定的值返回 Pearson 相关系数的平方。 RSQ(也称作测定系数)是测量调节器精确度的,可以用来作出衰退分析。
RSQ(DataY; DataX)
DataY 是一组或一定范围的数据点。
DataX 是一组或一定范围的数据点。
=RSQ(A1:A20;B1:B20) 计算 A 和 B 列中的两个数据组的相关系数。
返回 beta 分布累积函数的逆函数值。
BETAINV(Number; Alpha; Beta; Start; End)
Number 是用来进行函数计算的介于 Start 和 End 区间之间的值。
Alpha 是分布的参数。
Beta 是分布的参数。
Start(可选)是数值 Number 所属区间的下界。
End(可选)是数值 Number 所属区间的上界。
在 Lotus® Symphony™ Spreadsheets 函数中,标记为“可选”的参数仅当其后没有参数时才可以省略。例如,在具有 4 个参数的函数中,如果后两个参数标记为“可选”,那么可将第 4 个参数或者第 3 和第 4 个参数省略,但不能单独省略第 3 个参数。
=BETAINV(0.5;5;10) 返回值 0.33。
返回 beta 分布累积函数的函数值。
BETADIST(Number; Alpha; Beta; Start; End)
Number 是用来进行函数计算的介于 Start 和 End 区间之间的值。
Alpha 是分布的参数。
Beta 是分布的参数。
Start(可选)是数值 Number 所属区间的下界。
End(可选)是数值 Number 所属区间的上界。
在 Lotus Symphony Spreadsheets 函数中,标记为“可选”的参数仅当其后没有参数时才可以省略。例如,在具有 4 个参数的函数中,如果后两个参数标记为“可选”,那么可将第 4 个参数或者第 3 和第 4 个参数省略,但不能单独省略第 3 个参数。
=BETADIST(0.75;3;4) 返回值 0.96
返回一元二项式分布的概率值。
BINOMDIST(X; Trials; SP; C)
X 是一组试验中成功的次数。
Trials 是试验的总次数。
SP 是每一次试验中成功的概率。
cumulative = 0,返回概率密度函数,cumulative = 1 返回累积分布函数。
如果抛掷 12 次硬币,A1 代表成功掷得正面朝上的次数,那么用函数 =BINOMDIST(A1;12;0.5;0)(如果 A1 中输入 0 到 12 的值)求得的值是 12 次中 A1 次正面朝上的概率。
=BINOMDIST(A1;12;0.5;1) 显示同一系列的累积概率。例如,如果 A1 = 4,那么该系列的累积概率为 0、1、2、3 或 4 次正面朝上(非排他的 OR)。
返回卡方分布的单尾概率的倒数。
CHIINV(Number; DegreesFreedom)
number 是需要计算 CHIINV 临界值(确保假设成立的概率值)的错误概率值。
DegreesFreedom 是试验的自由度。
抛掷 1020 次骰子。1 至 6 点分别出现的次数为 195、151、148、189、183 和 154(观察值)。检验假设:骰子是否是真的。
用上述公式计算随机样本的 Chi 平方分布。掷出某一点的期望值为抛掷次数乘以 1/6,即 1020/6 = 170,公式计算出 Chi 平方值为 13.27。
如果 Chi 平方观察值大于或等于 CHIINV 的 Chi 平方理论值,那么假设不成立,因为理论与试验之间的偏差太大。若 Chi 平方观察值小于 CHIINV 求出的值,那么假设符合规定的错误概率值。
=CHIINV(0.05;5) 返回 11.07。
=CHIINV(0.02;5) 返回 13.39。
如果错误的概率为 5%,那么骰子不是真的。如果错误的概率为 2%,那么它不可能是事先准备好的,即它是真的。
根据卡方独立性检验,计算两个测试系列的随机分步异常的概率。 同时比较随机样本的观察值与期望值:CHITEST 比较这两个数据组,并通过(观察值-期望值) ^2/期望值公式计算出用于所有数值的 Chi 平方值。由计算出的 Chi 平方值最终求得待检验的初始假设的错误概率。
您也可以通过 CHIDIST 计算出 CHITEST 求得的概率,但必须将 CHITESt 中作为参数的数据组用随机样本的 Chi 平方来代替。
CHITEST(DataB; DataE)
DataB 是观察值的数组。
DataE 是期待值的范围。
Data_B(观察值) | Data_E(观察值) | |
---|---|---|
1 | 195 | 170 |
2 | 151 | 170 |
3 | 148 | 170 |
4 | 189 | 170 |
5 | 183 | 170 |
6 | 154 | 170 |
=CHITEST(A1:A6;B1:B6) 等于 0.02。求出的结果表示观察数据符合理论 Chi 平方分布的概率值。
返回确定假设的指定卡方的概率值。 CHIDIST 比较某一随机样本得出的 Chi 平方值(该值通过利用公式(观察值-期望值) ^2/期望值求得的用于所有值的数值得出) 与理论 Chi 平方分布,并由此计算出待检验的假设得错误概率。
您也可以通过 CHITEST 计算出由 CHIDIST 求得的概率,但必须将 CHIDISt 中作为参数的 Chi 平方用观察和期待数据代替。
CHIDIST(Number; DegreesFreedom)
Number 是随机样本的 Chi 平方值,用来计算需要确定的错误概率。
DegreesFreedom 是试验的自由度。
=CHIDIST(13.27; 5) 等于 0.02。
随机样本的 Chi 平方值是 13.27,试验自由度为 5,那么确保假设成立的错误概率为 2%。
返回指数分布。
EXPONDIST(Number; Lambda; C)
Number 是用来计算指数分布的值。
Lambda 是数分布的参数。
C 是一个逻辑值,它确定了函数的格式。 C = 0 计算密度函数,而 C = 1 计算分布。
=EXPONDIST(3;0.5;1) 返回 0.78。