Thống kê cho Excel

Trong cột A, trang tính hiển thị giá bán lẻ đề xuất (SRP). Trong cột B, bảng tính hiển thị đơn vị bán mỗi cuốn sách thông qua một cửa hàng bán sách nổi tiếng. Bạn có thể chọn sử dụng công cụ Thống kê mô tả để tóm tắt tập dữ liệu này

Thống kê cho Excel

Để tính toán thống kê mô tả cho tập dữ liệu, hãy làm theo các bước sau

  1. Nhấp vào nút lệnh Phân tích dữ liệu của tab Dữ liệu để cho Excel biết rằng bạn muốn tính toán thống kê mô tả

    Excel hiển thị hộp thoại Phân tích dữ liệu

    Thống kê cho Excel

  2. Trong hộp thoại Phân tích dữ liệu, tô sáng mục Thống kê mô tả trong danh sách Công cụ phân tích rồi bấm OK

    Excel hiển thị hộp thoại Descriptive Statistics

    Thống kê cho Excel

  3. Trong phần Đầu vào của hộp thoại Thống kê Mô tả, hãy xác định dữ liệu mà bạn muốn mô tả

    • Để xác định dữ liệu mà bạn muốn mô tả thống kê. Bấm vào hộp văn bản Phạm vi đầu vào, sau đó nhập tham chiếu phạm vi trang tính cho dữ liệu. Trong trường hợp của bảng tính ví dụ, phạm vi đầu vào là $A$1. $C$38. Lưu ý rằng Excel muốn địa chỉ phạm vi sử dụng tham chiếu tuyệt đối — do đó, ký hiệu đô la

      Để dễ dàng xem hoặc chọn phạm vi trang tính, hãy nhấp vào nút trang tính ở cuối bên phải của hộp văn bản Phạm vi đầu vào. Khi Excel ẩn hộp thoại Thống kê mô tả, hãy chọn phạm vi mà bạn muốn bằng cách kéo chuột. Sau đó bấm lại vào nút trang tính để hiển thị lại hộp thoại Thống kê mô tả

    • Để xác định xem dữ liệu được sắp xếp theo cột hay hàng. Chọn nút radio Cột hoặc Hàng

    • Để cho biết liệu hàng đầu tiên có chứa các nhãn mô tả dữ liệu hay không. Chọn hộp kiểm Nhãn trong hàng đầu tiên. Trong trường hợp của trang tính mẫu, dữ liệu được sắp xếp theo cột và hàng đầu tiên có nhãn, vì vậy bạn chọn nút radio Cột và hộp kiểm Nhãn trong Hàng đầu tiên

  4. Trong khu vực Tùy chọn đầu ra của hộp thoại Thống kê mô tả, hãy mô tả vị trí và cách thức Excel sẽ tạo số liệu thống kê

    • Để chỉ ra vị trí đặt các số liệu thống kê mô tả mà Excel tính toán. Chọn từ ba nút radio ở đây — Phạm vi đầu ra, Lớp trang tính mới và Sổ làm việc mới. Thông thường, bạn đặt số liệu thống kê vào một trang tính mới trong sổ làm việc hiện có. Để làm điều này, chỉ cần chọn nút radio New Worksheet Ply

    • Để xác định những biện pháp thống kê bạn muốn tính toán. Sử dụng các hộp kiểm Tùy chọn đầu ra. Chọn hộp kiểm Tóm tắt Thống kê để yêu cầu Excel tính toán các biện pháp thống kê như giá trị trung bình, chế độ và độ lệch chuẩn. Chọn hộp kiểm Mức độ tin cậy cho giá trị trung bình để xác định rằng bạn muốn tính mức độ tin cậy cho giá trị trung bình của mẫu

      Ghi chú. Nếu tính toán mức độ tin cậy cho giá trị trung bình mẫu, bạn cần nhập tỷ lệ phần trăm mức độ tin cậy vào hộp văn bản được cung cấp. Sử dụng các hộp kiểm Lớn nhất và Nhỏ nhất thứ K để cho biết bạn muốn tìm giá trị lớn nhất hoặc nhỏ nhất trong tập dữ liệu

      Sau khi bạn mô tả vị trí của dữ liệu và cách tính số liệu thống kê, hãy nhấp vào OK. Dưới đây là số liệu thống kê mà Excel tính toán

      Quan trọng. Kết quả tính toán của công thức và một số hàm trang tính Excel có thể hơi khác giữa PC Windows sử dụng kiến ​​trúc x86 hoặc x86-64 và PC Windows RT sử dụng kiến ​​trúc ARM. Tìm hiểu thêm về sự khác biệt

      Nếu bạn cần phát triển các phân tích kỹ thuật hoặc thống kê phức tạp, bạn có thể tiết kiệm các bước và thời gian bằng cách sử dụng ToolPak Phân tích. Bạn cung cấp dữ liệu và tham số cho từng phân tích và công cụ này sử dụng các hàm macro thống kê hoặc kỹ thuật thích hợp để tính toán và hiển thị kết quả trong bảng đầu ra. Một số công cụ tạo biểu đồ ngoài bảng đầu ra

      Mỗi lần chỉ có thể sử dụng các hàm phân tích dữ liệu trên một trang tính. Khi bạn thực hiện phân tích dữ liệu trên các trang tính được nhóm, kết quả sẽ xuất hiện trên trang tính đầu tiên và các bảng có định dạng trống sẽ xuất hiện trên các trang tính còn lại. Để thực hiện phân tích dữ liệu trên phần còn lại của trang tính, hãy tính toán lại công cụ phân tích cho từng trang tính

      ToolPak Phân tích bao gồm các công cụ được mô tả trong các phần sau. Để truy cập các công cụ này, hãy nhấp vào Phân tích dữ liệu trong nhóm Phân tích trên tab Dữ liệu. Nếu lệnh Phân tích dữ liệu không khả dụng, bạn cần tải chương trình bổ trợ Phân tích ToolPak

      Tải và kích hoạt ToolPak Phân tích

      1. Bấm vào tab Tệp, bấm vào Tùy chọn, rồi bấm vào danh mục Bổ trợ

      2. Trong hộp Quản lý, chọn Phần bổ trợ Excel rồi bấm vào Đi

        Nếu bạn đang sử dụng Excel cho Mac, trong menu tệp, hãy chuyển đến Công cụ > Phần bổ trợ Excel

      3. Trong hộp Add-Ins, chọn hộp kiểm Analysis ToolPak, rồi bấm OK

        • Nếu ToolPak Phân tích không được liệt kê trong hộp Bổ trợ có sẵn, bấm Duyệt để tìm nó

        • Nếu bạn được nhắc rằng ToolPak Phân tích hiện chưa được cài đặt trên máy tính của bạn, hãy nhấp vào Có để cài đặt nó

      Ghi chú. Để bao gồm các hàm Visual Basic for Application (VBA) cho Analysis ToolPak, bạn có thể tải Analysis ToolPak - Phần bổ trợ VBA giống như cách bạn tải Analysis ToolPak. Trong hộp Bổ trợ có sẵn, chọn hộp kiểm Analysis ToolPak - VBA

      Anova

      Các công cụ phân tích Anova cung cấp các loại phân tích phương sai khác nhau. Công cụ mà bạn nên sử dụng tùy thuộc vào số lượng yếu tố và số lượng mẫu mà bạn có từ quần thể mà bạn muốn kiểm tra

      Anova. Yếu tố đơn

      Công cụ này thực hiện phân tích phương sai đơn giản trên dữ liệu cho hai hoặc nhiều mẫu. Phân tích cung cấp một thử nghiệm về giả thuyết rằng mỗi mẫu được rút ra từ cùng một phân phối xác suất cơ bản so với giả thuyết thay thế rằng các phân phối xác suất cơ bản không giống nhau đối với tất cả các mẫu. Nếu chỉ có hai mẫu, bạn có thể sử dụng hàm trang tính T. KIỂM TRA. Với nhiều hơn hai mẫu, không có sự khái quát hóa thuận tiện của T. THỬ NGHIỆM và thay vào đó, có thể sử dụng mô hình Single Factor Anova

      Anova. Hai yếu tố với bản sao

      Công cụ phân tích này rất hữu ích khi dữ liệu có thể được phân loại theo hai chiều khác nhau. Ví dụ, trong một thí nghiệm để đo chiều cao của cây, cây có thể được cung cấp các nhãn hiệu phân bón khác nhau (ví dụ: A, B, C) và cũng có thể được giữ ở các nhiệt độ khác nhau (ví dụ: thấp, cao). Đối với mỗi cặp trong số sáu cặp {phân bón, nhiệt độ} có thể, chúng ta có số lần quan sát chiều cao cây bằng nhau. Sử dụng công cụ Anova này, chúng tôi có thể kiểm tra

      • Liệu chiều cao của cây đối với các nhãn hiệu phân bón khác nhau có được rút ra từ cùng một quần thể cơ bản hay không. Nhiệt độ được bỏ qua cho phân tích này

      • Liệu chiều cao của thực vật cho các mức nhiệt độ khác nhau có được rút ra từ cùng một quần thể cơ bản hay không. Thương hiệu phân bón bị bỏ qua cho phân tích này

      Cho dù đã tính đến tác động của sự khác biệt giữa các nhãn hiệu phân bón được tìm thấy trong dấu đầu dòng đầu tiên và sự khác biệt về nhiệt độ được tìm thấy trong dấu đầu dòng thứ hai, sáu mẫu đại diện cho tất cả các cặp giá trị {phân bón, nhiệt độ} được lấy từ cùng một quần thể. Giả thuyết thay thế là có những tác động do các cặp {phân bón, nhiệt độ} cụ thể vượt trội so với sự khác biệt chỉ dựa trên phân bón hoặc chỉ dựa trên nhiệt độ

      Thống kê cho Excel

      Anova. Hai yếu tố không nhân rộng

      Công cụ phân tích này rất hữu ích khi dữ liệu được phân loại theo hai chiều khác nhau như trong trường hợp Hai yếu tố có bản sao. Tuy nhiên, đối với công cụ này, giả định rằng chỉ có một quan sát duy nhất cho mỗi cặp (ví dụ: mỗi cặp {phân bón, nhiệt độ} trong ví dụ trước)

      tương quan

      Cả hai hàm trang tính CORREL và PEARSON đều tính toán hệ số tương quan giữa hai biến đo lường khi các phép đo trên mỗi biến được quan sát cho từng đối tượng trong số N đối tượng. (Bất kỳ quan sát nào bị thiếu đối với bất kỳ đối tượng nào đều khiến đối tượng đó bị bỏ qua trong phân tích. ) Công cụ Phân tích tương quan đặc biệt hữu ích khi có nhiều hơn hai biến đo lường cho mỗi đối tượng trong số N đối tượng. Nó cung cấp một bảng đầu ra, một ma trận tương quan, hiển thị giá trị của CORREL (hoặc PEARSON) được áp dụng cho từng cặp biến đo lường có thể có

      Hệ số tương quan, giống như hiệp phương sai, là thước đo mức độ mà hai biến đo lường "thay đổi cùng nhau". " Không giống như hiệp phương sai, hệ số tương quan được chia tỷ lệ sao cho giá trị của nó không phụ thuộc vào đơn vị biểu thị hai biến đo lường. (Ví dụ: 2 biến đo lường là cân nặng và chiều cao thì giá trị của hệ số tương quan không thay đổi nếu quy đổi cân nặng từ pound sang kilogam. ) Giá trị của bất kỳ hệ số tương quan nào phải nằm trong khoảng từ -1 đến +1

      Bạn có thể sử dụng công cụ phân tích tương quan để kiểm tra từng cặp biến đo lường nhằm xác định xem hai biến đo lường có xu hướng di chuyển cùng nhau hay không — nghĩa là liệu các giá trị lớn của một biến có xu hướng liên kết với các giá trị lớn của biến kia (tương quan thuận) hay không

      hiệp phương sai

      Cả hai công cụ Tương quan và Hiệp phương sai đều có thể được sử dụng trong cùng một cài đặt, khi bạn có N biến đo lường khác nhau được quan sát trên một tập hợp các cá nhân. Mỗi công cụ Tương quan và Hiệp phương sai cung cấp một bảng đầu ra, một ma trận, tương ứng hiển thị hệ số tương quan hoặc hiệp phương sai giữa mỗi cặp biến đo lường. Sự khác biệt là các hệ số tương quan được chia tỷ lệ nằm trong khoảng từ -1 đến +1. Hiệp phương sai tương ứng không được chia tỷ lệ. Cả hệ số tương quan và hiệp phương sai đều là thước đo mức độ mà hai biến "thay đổi cùng nhau". "

      Công cụ Hiệp phương sai tính toán giá trị của hàm trang tính COVARIANCE. P cho từng cặp biến đo lường. (Sử dụng trực tiếp COVARIANCE. P thay vì công cụ Hiệp phương sai là một sự thay thế hợp lý khi chỉ có hai biến đo lường, nghĩa là N=2. ) Mục nhập trên đường chéo của bảng kết quả công cụ Hiệp phương sai ở hàng i, cột i là hiệp phương sai của biến đo lường thứ i với chính nó. Đây chỉ là phương sai tổng thể của biến đó, được tính toán bởi hàm trang tính VAR. P

      Bạn có thể sử dụng công cụ Hiệp phương sai để kiểm tra từng cặp biến đo lường nhằm xác định xem hai biến đo lường có xu hướng di chuyển cùng nhau hay không — nghĩa là liệu các giá trị lớn của một biến có xu hướng liên kết với các giá trị lớn của biến kia (hiệp phương sai dương) hay không.

      Thống kê mô tả

      Công cụ phân tích Thống kê mô tả tạo báo cáo thống kê đơn biến cho dữ liệu trong phạm vi đầu vào, cung cấp thông tin về xu hướng trung tâm và tính biến thiên của dữ liệu của bạn

      Làm mịn theo cấp số nhân

      Công cụ phân tích Làm mịn hàm mũ dự đoán một giá trị dựa trên dự báo cho giai đoạn trước, được điều chỉnh cho lỗi trong dự báo trước đó. Công cụ này sử dụng hằng số làm mịn a, độ lớn của hằng số này xác định mức độ mạnh mẽ của các dự báo phản ứng với các lỗi trong dự báo trước đó

      Ghi chú. Giá trị của 0. 2 đến 0. 3 là hằng số làm mịn hợp lý. Các giá trị này chỉ ra rằng dự báo hiện tại nên được điều chỉnh từ 20% đến 30% do lỗi trong dự báo trước đó. Các hằng số lớn hơn mang lại phản hồi nhanh hơn nhưng có thể tạo ra các phép chiếu thất thường. Các hằng số nhỏ hơn có thể dẫn đến độ trễ dài cho các giá trị dự báo

      F-Test Hai mẫu cho phương sai

      Công cụ phân tích F-Test Two-Sample for Variance thực hiện kiểm tra F hai mẫu để so sánh hai phương sai tổng thể

      Ví dụ: bạn có thể sử dụng công cụ F-Test trên các mẫu thời gian trong một cuộc gặp gỡ bơi lội của mỗi đội trong số hai đội. Công cụ này cung cấp kết quả kiểm tra giả thuyết khống rằng hai mẫu này đến từ các phân phối có phương sai bằng nhau, so với phương án thay thế là các phương sai không bằng nhau trong các phân phối cơ bản

      The tool calculates the value f of an F-statistic (or F-ratio). A value of f close to 1 provides evidence that the underlying population variances are equal. In the output table, if f < 1 "P(F <= f) one-tail" gives the probability of observing a value of the F-statistic less than f when population variances are equal, and "F Critical one-tail" gives the critical value less than 1 for the chosen significance level, Alpha. If f > 1, "P(F <= f) one-tail" gives the probability of observing a value of the F-statistic greater than f when population variances are equal, and "F Critical one-tail" gives the critical value greater than 1 for Alpha.

      Phân tích Fourier

      Công cụ Phân tích Fourier giải quyết các vấn đề trong hệ thống tuyến tính và phân tích dữ liệu tuần hoàn bằng cách sử dụng phương pháp Biến đổi Fourier Nhanh (FFT) để biến đổi dữ liệu. Công cụ này cũng hỗ trợ các phép biến đổi nghịch đảo, trong đó nghịch đảo của dữ liệu được chuyển đổi trả về dữ liệu gốc

      Thống kê cho Excel

      Biểu đồ

      Công cụ phân tích Biểu đồ tính toán các tần số riêng lẻ và tần số tích lũy cho một phạm vi ô dữ liệu và ngăn dữ liệu. Công cụ này tạo dữ liệu cho số lần xuất hiện của một giá trị trong tập dữ liệu

      Ví dụ: trong một lớp có 20 học sinh, bạn có thể xác định phân phối điểm theo các loại điểm chữ cái. Một bảng biểu đồ trình bày các ranh giới cấp độ chữ cái và số điểm giữa giới hạn thấp nhất và giới hạn hiện tại. Điểm số thường xuyên nhất là chế độ của dữ liệu

      Mẹo. Trong Excel 2016, giờ đây bạn có thể tạo biểu đồ tần suất hoặc biểu đồ Pareto

      Di chuyển trung bình

      Công cụ phân tích Trung bình động dự đoán các giá trị trong khoảng thời gian dự báo, dựa trên giá trị trung bình của biến trong một số khoảng thời gian trước đó cụ thể. Đường trung bình động cung cấp thông tin về xu hướng mà mức trung bình đơn giản của tất cả dữ liệu lịch sử sẽ che giấu. Sử dụng công cụ này để dự báo doanh số bán hàng, hàng tồn kho hoặc các xu hướng khác. Mỗi giá trị dự báo dựa trên công thức sau

      Thống kê cho Excel

      ở đâu

      • N là số giai đoạn trước bao gồm trong đường trung bình động

      • A j là giá trị thực tại thời điểm j

      • F j là giá trị dự báo tại thời điểm j

      Tạo số ngẫu nhiên

      Công cụ phân tích Tạo số ngẫu nhiên lấp đầy một phạm vi với các số ngẫu nhiên độc lập được rút ra từ một trong số các phân phối. Bạn có thể mô tả các đối tượng trong dân số bằng phân phối xác suất. Ví dụ: bạn có thể sử dụng phân phối chuẩn để mô tả tổng thể về chiều cao của các cá nhân hoặc bạn có thể sử dụng phân phối Bernoulli của hai kết quả có thể xảy ra để mô tả tổng thể các kết quả tung đồng xu

      Xếp hạng và Phần trăm

      Công cụ phân tích Thứ hạng và Phần trăm tạo ra một bảng chứa thứ hạng thứ tự và phần trăm của từng giá trị trong tập dữ liệu. Bạn có thể phân tích vị trí tương đối của các giá trị trong tập dữ liệu. Công cụ này sử dụng các hàm trang tính RANK. EQ vàPERCENTRANK. INC. Nếu bạn muốn tính các giá trị gắn liền, hãy sử dụng RANK. Hàm EQ, coi các giá trị được liên kết là có cùng thứ hạng hoặc sử dụng RANK. Hàm AVG, trả về thứ hạng trung bình cho các giá trị được gắn

      hồi quy

      Công cụ phân tích hồi quy thực hiện phân tích hồi quy tuyến tính bằng cách sử dụng phương pháp "bình phương nhỏ nhất" để khớp một đường thông qua một tập hợp các quan sát. Bạn có thể phân tích cách một biến phụ thuộc bị ảnh hưởng bởi các giá trị của một hoặc nhiều biến độc lập. Ví dụ: bạn có thể phân tích thành tích của một vận động viên bị ảnh hưởng như thế nào bởi các yếu tố như tuổi tác, chiều cao và cân nặng. Bạn có thể phân bổ các phần trong thước đo thành tích cho từng yếu tố trong số ba yếu tố này, dựa trên một tập hợp dữ liệu thành tích, sau đó sử dụng kết quả để dự đoán thành tích của một vận động viên mới, chưa được kiểm tra

      Công cụ hồi quy sử dụng hàm trang tính LINEST

      Lấy mẫu

      Công cụ phân tích Lấy mẫu tạo một mẫu từ tập hợp bằng cách coi phạm vi đầu vào là tập hợp. Khi tổng thể quá lớn để xử lý hoặc lập biểu đồ, bạn có thể sử dụng mẫu đại diện. Bạn cũng có thể tạo một mẫu chỉ chứa các giá trị từ một phần cụ thể của chu kỳ nếu bạn cho rằng dữ liệu đầu vào là tuần hoàn. Ví dụ: nếu phạm vi đầu vào chứa số liệu bán hàng theo quý, việc lấy mẫu với tỷ lệ định kỳ là bốn vị trí các giá trị từ cùng một quý trong phạm vi đầu ra

      kiểm tra t

      Các công cụ phân tích t-Test hai mẫu kiểm tra sự bình đẳng của dân số có nghĩa là cơ sở của mỗi mẫu. Ba công cụ sử dụng các giả định khác nhau. rằng các phương sai tổng thể bằng nhau, rằng các phương sai tổng thể không bằng nhau và hai mẫu đại diện cho các quan sát trước và sau điều trị trên cùng một đối tượng

      For all three tools below, a t-Statistic value, t, is computed and shown as "t Stat" in the output tables. Depending on the data, this value, t, can be negative or nonnegative. Under the assumption of equal underlying population means, if t < 0, "P(T <= t) one-tail" gives the probability that a value of the t-Statistic would be observed that is more negative than t. If t >=0, "P(T <= t) one-tail" gives the probability that a value of the t-Statistic would be observed that is more positive than t. "t Critical one-tail" gives the cutoff value, so that the probability of observing a value of the t-Statistic greater than or equal to "t Critical one-tail" is Alpha.

      "P(T <= t) hai đuôi" đưa ra xác suất quan sát thấy một giá trị của Thống kê t lớn hơn giá trị tuyệt đối so với t. "P Hai đuôi quan trọng" đưa ra giá trị ngưỡng, do đó xác suất của Thống kê t được quan sát lớn hơn về giá trị tuyệt đối so với "P Hai đuôi quan trọng" là Alpha

      kiểm tra t. Ghép hai mẫu cho phương tiện

      Bạn có thể sử dụng thử nghiệm theo cặp khi có sự quan sát theo cặp tự nhiên trong các mẫu, chẳng hạn như khi một nhóm mẫu được thử nghiệm hai lần — trước và sau một thử nghiệm. Công cụ phân tích này và công thức của nó thực hiện phép thử t-Student's hai mẫu được ghép nối để xác định xem các quan sát được thực hiện trước khi xử lý và các quan sát được thực hiện sau khi xử lý có khả năng đến từ các phân phối có trung bình dân số bằng nhau hay không. Dạng t-Test này không giả định rằng phương sai của cả hai tổng thể là bằng nhau

      Ghi chú. Trong số các kết quả do công cụ này tạo ra có phương sai gộp, thước đo tích lũy về mức độ lan truyền của dữ liệu về giá trị trung bình, được lấy từ công thức sau

      Thống kê cho Excel

      kiểm tra t. Giả định hai mẫu có phương sai bằng nhau

      Công cụ phân tích này thực hiện bài kiểm tra t của sinh viên hai mẫu. Biểu mẫu kiểm tra t này giả định rằng hai bộ dữ liệu đến từ các bản phân phối có cùng phương sai. Nó được gọi là một bài kiểm tra t homoscedastic. Bạn có thể sử dụng Kiểm tra t này để xác định xem hai mẫu có khả năng đến từ các bản phân phối có nghĩa là dân số bằng nhau hay không

      kiểm tra t. Giả định hai mẫu có phương sai không bằng nhau

      Công cụ phân tích này thực hiện bài kiểm tra t của sinh viên hai mẫu. Biểu mẫu kiểm tra t này giả định rằng hai bộ dữ liệu đến từ các bản phân phối có phương sai không bằng nhau. Nó được gọi là một t-Test heteroscedastic. Như với trường hợp Phương sai bằng nhau trước đó, bạn có thể sử dụng Kiểm tra t này để xác định xem hai mẫu có khả năng đến từ các bản phân phối có trung bình dân số bằng nhau hay không. Sử dụng bài kiểm tra này khi có các đối tượng khác biệt trong hai mẫu. Sử dụng thử nghiệm theo cặp, được mô tả trong ví dụ sau, khi có một nhóm đối tượng duy nhất và hai mẫu đại diện cho các phép đo cho từng đối tượng trước và sau khi điều trị

      Công thức sau đây được sử dụng để xác định giá trị thống kê t

      Thống kê cho Excel

      Công thức sau đây được sử dụng để tính bậc tự do, df. Do kết quả của phép tính thường không phải là số nguyên nên giá trị của df được làm tròn đến số nguyên gần nhất để lấy giá trị tới hạn từ bảng t. Hàm trang tính Excel T. TEST sử dụng giá trị df được tính mà không làm tròn, vì có thể tính giá trị cho T. KIỂM TRA với df không nguyên. Do những cách tiếp cận khác nhau để xác định bậc tự do, kết quả của T. TEST và công cụ kiểm tra t này sẽ khác nhau trong trường hợp Phương sai không bằng nhau

      Thống kê cho Excel

      kiểm tra z

      Kiểm tra z. Công cụ phân tích Hai mẫu cho Phương tiện thực hiện Kiểm tra z hai mẫu cho các phương tiện có phương sai đã biết. Công cụ này được sử dụng để kiểm tra giả thuyết khống rằng không có sự khác biệt giữa hai trung bình dân số đối với các giả thuyết thay thế một phía hoặc hai phía. Nếu không biết phương sai, hàm trang tính Z. KIỂM TRA nên được sử dụng thay thế

      Khi bạn sử dụng công cụ z-Test, hãy cẩn thận để hiểu đầu ra. "P(Z