COUNTIFS 函数

描述

COUNTIFS 函数将条件应用于跨多个区域的单元格，然后统计满足所有条件的次数。

用法

COUNTIFS(criteria_range1, criteria1, [criteria_range2, criteria2],…)

COUNTIFS 函数用法具有以下参数：

criteria_range1 必需。在其中计算关联条件的第一个区域。
criteria1 必需。条件的形式为数字、表达式、单元格引用或文本，它定义了要计数的单元格范围。例如，条件可以表示为 32、'>32'、B4、'apples'或 '32'。
criteria_range2, criteria2, ... 可选。附加的区域及其关联条件。最多允许 127 个区域/条件对。

重要: 每一个附加的区域都必须与参数 criteria_range1 具有相同的行数和列数。这些区域无需彼此相邻。

备注

每个区域的条件一次应用于一个单元格。如果所有的第一个单元格都满足其关联条件，则计数增加 1。如果所有的第二个单元格都满足其关联条件，则计数再增加 1，依此类推，直到计算完所有单元格。
如果条件参数是对空单元格的引用，COUNTIFS会将该单元格的值视为 0。
您可以在条件中使用通配符，即问号 (?) 和星号 (*)。问号匹配任意单个字符，星号匹配任意字符串。如果要查找实际的问号或星号，请在字符前键入波形符 (~)。

案例 1

案例 2

COVARIANCE.P 函数

描述

返回总体协方差，即两个数据集中每对数据点的偏差乘积的平均数。利用协方差确定两个数据集之间的关系。例如，您可检查教育程度与收入是否成正比。

用法

COVARIANCE.P(array1,array2)

COVARIANCE.P 函数用法具有下列参数：

Array1 必需。整数的第一个单元格区域。
Array2 必需。整数的第二个单元格区域。

备注

参数必须是数字，或者是包含数字的名称、数组或引用。
如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。
如果 array1 和 array2 所含数据点的个数不等，则 COVARIANCE.P 返回错误值 #N/A。
如果 array1 和 array2 当中有一个为空，则 COVARIANCE.P 返回错误值 #DIV/0!。
协方差计算公式为

其中

是样本平均值 AVERAGE(array1) 和 AVERAGE(array2)，n 是样本大小。

案例

COVARIANCE.S 函数

描述

返回样本协方差，即两个数据集中每对数据点的偏差乘积的平均值。

用法

COVARIANCE.S(array1,array2)

COVARIANCE.S 函数用法具有下列参数：

Array1 必需。整数的第一个单元格区域。
Array2 必需。整数的第二个单元格区域。

备注

参数必须是数字，或者是包含数字的名称、数组或引用。
如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。
如果 array1 和 array2 具有不同数量的数据点，则 COVARIANCE.S 返回错误值 #N/A。
如果 array1 或 array2 为空或各自仅包含 1 个数据点，则 COVARIANCE.S 返回错误值 #DIV/0!。

案例

DEVSQ 函数

描述

返回各数据点与数据均值点之差（数据偏差）的平方和。

用法

DEVSQ(number1, [number2], ...)

DEVSQ 函数用法具有下列参数：

number1, number2, ... Number1 是必需的，后续数字是可选的。用于计算偏差平方和的 1 到 255 个参数。也可以用单一数组或对某个数组的引用来代替用逗号分隔的参数。

备注

参数可以是数字或者是包含数字的名称、数组或引用。
逻辑值和直接键入到参数列表中代表数字的文本被计算在内。
如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。
如果参数为错误值或为不能转换为数字的文本，将会导致错误。
偏差平方和的公式为：

案例

EXPON.DIST 函数

描述

返回指数分布。使用 EXPON.DIST 可以建立事件之间的时间间隔模型，如银行自动提款机支付一次现金所花费的时间。例如，可通过 EXPON.DIST 来确定这一过程最长持续一分钟的发生概率。

用法

EXPON.DIST(x,lambda,cumulative)

EXPON.DIST 函数用法具有下列参数：

X 必需。函数值。
Lambda 必需。参数值。
Cumulative 必需。逻辑值，用于指定指数函数的形式。如果 cumulative 为 TRUE，则 EXPON.DIST 返回累积分布函数；如果为 FALSE，则返回概率密度函数。

备注

如果 x 或 lambda 为非数值型，则 EXPON.DIST 返回错误值 #VALUE!。
如果 x < 0，则="" expon.dist="" 返回="" 错误值="">
如果 lambda < 0，则="" expon.dist="" 返回="" 错误值="">
概率密度函数的公式为：

累积分布函数的公式为：

案例

F.DIST 函数

描述

返回 F 概率分布函数的函数值。使用此函数可以确定两组数据是否存在变化程度上的不同。例如，分析进入中学的男生、女生的考试分数，来确定女生分数的变化程度是否与男生不同。

用法

F.DIST(x,deg_freedom1,deg_freedom2,cumulative)

F.DIST 函数用法具有下列参数：

X 必需。用来计算函数的值。
Deg_freedom1 必需。分子自由度。
Deg_freedom2 必需。分母自由度。
Cumulative 必需。决定函数形式的逻辑值。如果 cumulative 为 TRUE，则 F.DIST 返回累积分布函数；如果为 FALSE，则返回概率密度函数。

备注

如果任一参数为非数值型，则 F.DIST 返回错误值 #VALUE!。
如果 x 为负数，则 F.DIST 返回错误值 #NUM!。
如果 deg_freedom1 或 deg_freedom2 不是整数，则将被截尾取整。
如果 deg_freedom1 < 1，则="" f.dist="" 返回="" 错误值="">
如果 deg_freedom2 < 1，则="" f.dist="" 返回="" 错误值="">

案例

F.DIST.RT 函数

描述

返回两个数据集的（右尾）F 概率分布（变化程度）。使用此函数可以确定两组数据是否存在变化程度上的不同。例如，分析进入中学的男生、女生的考试分数，来确定女生分数的变化程度是否与男生不同。

用法

F.DIST.RT(x,deg_freedom1,deg_freedom2)

F.DIST.RT 函数用法具有下列参数：

X 必需。用来计算函数的值。
Deg_freedom1 必需。分子自由度。
Deg_freedom2 必需。分母自由度。

备注

如果任一参数为非数值型，则 F.DIST.RT 返回错误值 #VALUE!。
如果 x 为负数，则 F.DIST.RT 返回错误值 #NUM!。
如果 deg_freedom1 或 deg_freedom2 不是整数，则将被截尾取整。
如果 deg_freedom1 < 1，则="" f.dist.rt="" 返回="" 错误值="">
如果 deg_freedom2 < 1，则="" f.dist.rt="" 返回="" 错误值="">
F.DIST.RT 的计算公式为 F.DIST.RT=P( F>x )，其中 F 为呈 F 分布且带有 deg_freedom1 和 deg_freedom2 自由度的随机变量。

案例

F.INV 函数

描述

返回 F 概率分布函数的反函数值。如果 p = F.DIST(x,...)，则 F.INV(p,...) = x。在 F 检验中，可以使用 F 分布比较两组数据中的变化程度。例如，可以分析美国和加拿大的收入分布，判断两个国家/地区是否有相似的收入变化程度。

用法

F.INV(probability,deg_freedom1,deg_freedom2)

F.INV 函数用法具有下列参数：

Probability 必需。 F 累积分布的概率值。
Deg_freedom1 必需。分子自由度。
Deg_freedom2 必需。分母自由度。

备注

如果任一参数为非数值型，则 F.INV 返回错误值 #VALUE!。
如果 probability < 0="" 或="" probability=""> 1，则 F.INV 返回错误值 #NUM!。
如果 deg_freedom1 或 deg_freedom2 不是整数，则将被截尾取整。
如果deg_freedom1 < 1="" 或="" deg_freedom2="">< 1，则="" f.inv="" 返回="" 错误值="">

案例

F.INV.RT 函数

描述

返回（右尾）F 概率分布函数的反函数值。如果 p = F.DIST.RT(x,...)，则 F.INV.RT(p,...) = x。在 F 检验中，可以使用 F 分布比较两组数据中的变化程度。例如，可以分析美国和加拿大的收入分布，判断两个国家/地区是否有相似的收入变化程度。

用法

F.INV.RT(probability,deg_freedom1,deg_freedom2)

F.INV.RT 函数用法具有下列参数：

Probability 必需。 F 累积分布的概率值。
Deg_freedom1 必需。分子自由度。
Deg_freedom2 必需。分母自由度。

备注

如果任一参数为非数值型，则 F.INV.RT 返回错误值 #VALUE!。
如果 Probability < 0="" 或="" probability=""> 1，则 F.INV.RT 返回错误值 #NUM!。
如果 Deg_freedom1 或 Deg_freedom2 不是整数，则将被截尾取整。
如果 Deg_freedom1 < 1="" 或="" deg_freedom2="">< 1，则="" f.inv.rt="" 返回="" 错误值="">
如果 Deg_freedom2 < 1="" 或="" deg_freedom2="" ≥="" 10^10，则="" f.inv.rt="" 返回="" 错误值="">

F.INV.RT 可用于返回 F 分布的临界值。例如，ANOVA 计算的结果常常包括 F 统计值、F 概率和显著水平参数为 0.05 的 F 临界值数据。若要返回 F 的临界值，请将显著水平参数用作为 F.INV.RT 的 probability 参数。

如果已给定概率值，则 F.INV.RT 使用 F.DIST.RT(x,deg_freedom1,deg_freedom2)=probability 求解数值 x。因此，F.INV.RT 的精度取决于 F.DIST.RT 的精度 F.INV.RT 使用迭代搜索技术。如果搜索在 64 次迭代之后没有收敛，则函数返回错误值 #N/A。

案例

F.TEST 函数

描述

返回 F 检验的结果，即当 array1 和 array2 的方差无明显差异时的双尾概率。

使用此函数可确定两个案例是否有不同的方差。例如，给定公立和私立学校的测验分数，可以检验各学校间测验分数的差别程度。

用法

F.TEST(array1,array2)

F.TEST 函数用法具有下列参数：

Array1 必需。第一个数组或数据区域。
Array2 必需。第二个数组或数据区域。

备注

参数可以是数字，或者是包含数字的名称、数组或引用。
如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。
如果 array1 或 array2 中数据点的个数少于 2 个，或者 array1 或 array2 的方差为零，则 F.TEST 返回错误值 #DIV/0!。

案例

FISHER 函数

描述

返回 x 的 Fisher 变换值。该变换生成一个正态分布而非偏斜的函数。使用此函数可以完成相关系数的假设检验。

用法

FISHER(x)

FISHER 函数用法具有下列参数：

X 必需。要对其进行变换的数值。

备注

如果 x 为非数值型，则 FISHER 返回错误值 #VALUE!。
如果 x ≤ -1 或 x ≥ 1，则 FISHER 返回错误值 #NUM!。
Fisher 变换的公式为：

案例

FISHERINV 函数

描述

返回 Fisher 逆变换值。使用该变换可以分析数据区域或数组之间的相关性。如果 y = FISHER(x)，则 FISHERINV(y) = x。

用法

FISHERINV(y)

FISHERINV 函数用法具有下列参数：

Y 必需。要对其进行逆变换的数值。

备注

如果 y 为非数值型，则 FISHERINV 返回错误值 #VALUE!。
Fisher 逆变换的公式为：

案例

FORECAST 函数

描述

根据现有值计算或预测未来值。预测值为给定 x 值后求得的 y 值。已知值为现有的 x 值和 y 值，并通过线性回归来预测新值。可以使用该函数来预测未来销售、库存需求或消费趋势等。

用法

FORECAST(x, known_y's, known_x's)

FORECAST 函数用法具有下列参数：

X 必需。需要进行值预测的数据点。
Known_y's 必需。相关数组或数据区域。
Known_x's 必需。独立数组或数据区域。

备注

如果 x 为非数值型，则 FORECAST 返回错误值 #VALUE!。
如果 known_y's 和 known_x's 为空或含有不同个数的数据点，函数 FORECAST 返回错误值 #N/A。
如果 known_x's 的方差为零，则 FORECAST 返回错误值 #DIV/0!。
函数 FORECAST 的计算公式为 a+bx，式中：

且：

且其中 x 和 y 是样本平均值 AVERAGE(known_x's) 和 AVERAGE(known_y's)。

案例

FORECAST.ETS 函数

描述

计算指数平滑( ets )算法的使用' AAA 版本或基于现有值(历史)预测未来值。预测值是指定的目标日期，应为时间线的延续标记中的历史值的延续标记。可以使用此函数来预测未来销售额、库存需求或消费趋势。

此函数需要时间线与不同点间常量步骤进行组织。例如，每月、每年的时间线或数值的日程表的1日的值可能是一个月的时间线的索引。对于此类型的时间线，它与之前的详细数据应用聚合原始非常有用的预测，生成更加精确的预测和结果。

用法

预测. ets ( target_date '、'值'、'时间线',[ seasonality ]、[ data_completion ],[汇总])

FORECAST.ETS 函数用法具有以下参数：

target_date 必需。要为其预测值的数据点。目标日期可以是日期/时间或数值。如果目标日期按时间前后排列处于历史时间线结束之前，则 FORECAST.ETS 将返回 #NUM! 错误。
值必需。值是'历史值，您要为其预测下一点。
时间线 必需。独立数组或数值数据区域。时间线中的日期之间必须有一致步长且不能为零。无需对时间线进行排序，因为 FORECAST.ETS 会对其进行隐式排序，以进行计算。如果无法在提供的时间线中识别一致步长，则 Forecast.ETS 将返回 #NUM! 错误。如果时间线包含重复值，则 Forecast.ETS 将返回 #VALUE! 错误。如果时间线和值的范围大小不同，则 Forecast.ETS 将返回 #N/A 错误。
季节性 可选。一个数值。默认值为 1，意味着 Excel 自动检测季节性进行预测，并使用正整数作为季节性模式的长度。 0 表示无季节性，意味着预测为线性预测。正整数指示算法使用此长度模式作为季节性。对于其他任何值，FORECAST.ETS 将返回 #NUM! 错误。

最大支持 seasonality 是8,760（一年中的小时数）。该数字上方的任何 seasonality 将导致'# NUM ! 错误。

数据完成 可选。虽然时间线需要数据点之间的一致步长，但 FORECAST.ETS 支持最多 30% 的丢失数据，并会自动对其进行调整。 0 表示算法将缺少的点视为零。通过将缺少的点算为邻接点的平均值，默认值 1 将计算缺少的点。
聚合可选。虽然时间线需要数据点之间的一致步长，但 FORECAST.ETS 会聚合具有相同时间戳的多个点。聚合参数是一个数值，指明要用于聚合具有相同时间戳的多个值的方法。默认值 0 将使用 AVERAGE，而其他选项为 SUM、COUNT、COUNTA、MIN、MAX、MEDIAN。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。