CÔNG THỨC xử lý THỐNG kê BẰNG EXCEL

XỬ LÝ THỐNG KÊ BẰNG EXCEL Các hàm thống kê chia thành nhóm nhỏ sau: Nhóm hàm Thống Kê, nhóm hàm Phân Phối Xác Suất, nhóm hàm Tương Quan Hồi Quy TuyếnTính NHĨM HÀM VỀ THỐNG KÊ AVEDEV (number1, number2, ) Tính trung bình độ lệch tuyệt đối điểm liệu theo trung bình chúng Thường dùng làm thước đo biến đổi tập số liệu AVERAGE (number1, number2, ) Tính trung bình cộng AVERAGEA (number1, number2, ) Tính trung bình cộng giá trị, bao gồm giá trị logic AVERAGEIF (range, criteria1) Tính trung bình cộng giá trị mảng theo điều kiện AVERAGEIFS (range, criteria1, criteria2, ) Tính trung bình cộng giá trị mảng theo nhiều điều kiện COUNT (value1, value2, ) Đếm số ô danh sách COUNTA (value1, value2, ) Đếm số ô có chứa giá trị (khơng rỗng) danh sách COUNTBLANK (range) Đếm ô rỗng vùng COUNTIF (range, criteria) Đếm số ô thỏa điều kiện cho trước bên dãy COUNTIFS (range1, criteria1, range2,criteria2,…) Đếm số ô thỏa nhiều điều kiện cho trước DEVSQ (number1, number2, ) Tính bình phương độ lệch điểm liệu từ trung bình mẫu chúng, cộng bình phương lại FREQUENCY (data_array, bins_array) Tính xem có giá trị thường xuyên xuất bên dãy giá trị, trả mảng đứng số Luôn sử dụng hàm dạng công thức mảng GEOMEAN (number1, number2, ) Trả trung bình nhân dãy số dương Thường dùng để tính mức tăng trưởng trung bình, lãi kép có lãi biến đổi cho trước… HARMEAN (number1, number2, ) Trả trung bình điều hịa (nghịch đảo trung bình cộng) số KURT (number1, number2, ) Tính độ nhọn tập số liệu, biểu thị mức nhọn hay mức phẳng tương đối phân bố so với phân bố chuẩn LARGE (array, k) Trả giá trị lớn thứ k tập số liệu MAX (number1, number2, ) Trả giá trị lớn tập giá trị Giải toán XSTK EXCEL (ĐaTaDa – ĐHNL 10/10/2009) MAXA (number1, number2, ) Trả giá trị lớn tập giá trị, bao gồm giá trị logic text MEDIAN (number1, number2, ) Tính trung bình vị số MIN (number1, number2, ) Trả giá trị nhỏ tập giá trị MINA (number1, number2, ) Trả giá trị nhỏ tập giá trị, bao gồm giá trị logic text MODE (number1, number2, ) Trả giá trị xuất nhiều mảng giá trị PERCENTILE (array, k) Tìm phân vị thứ k giá trị mảng liệu PERCENTRANK (array, x, significance) Trả thứ hạng (vị trí tương đối) trị mảng liệu, số phần trăm mảng liệu PERMUT (number, number_chosen) Trả hốn vị đối tượng QUARTILE (array, quart) Tính điểm tứ phân vị tập liệu Thường dùng khảo sát liệu để chia tập hợp thành nhiều nhóm… RANK (number, ref, order) Tính thứ hạng số danh sách số SKEW (number1, number2, ) Trả độ lệch phân phối, mô tả độ không đối xứng phân phối quanh trị trung bình SMALL (array, k) : Trả giá trị nhỏ thứ k tập số STDEV (number1, number2, ) Ước lượng độ lệch chuẩn sở mẫu STDEVA (value1, value2, ) Ước lượng độ lệch chuẩn sở mẫu, bao gồm giá trị logic STDEVP (number1, number2, ) Tính độ lệch chuẩn theo tồn thể tập hợp STDEVPA (value1, value2, ) Tính độ lệch chuẩn theo toàn thể tập hợp, kể chữ giá trị logic VAR (number1, number2, ) Trả phương sai dựa mẫu VARA (value1, value2, …) Trả phương sai dựa mẫu, bao gồm trị logic text VARP (number1, number2, ) Trả phương sai dựa toàn thể tập hợp VARPA (value1, value2, …) Trả phương sai dựa toàn thể tập hợp, bao gồm trị logic text TRIMMEAN (array, percent) Tính trung bình phần tập liệu, cách loại tỷ lệ phần trăm điểm liệu đầu cuối tập liệu NHÓM HÀM VỀ PHÂN PHỐI XÁC SUẤT BETADIST (x, alpha, beta, A, B) Trả giá trị hàm tính mật độ phân phối xác suất tích lũy beta BETAINV (probability, alpha, beta, A, B) Trả nghịch đảo hàm tính mật độ phân phối xác suất tích lũy beta BINOMDIST (number_s, trials, probability_s, cumulative) Trả xác suất lần thử thành công phân phối nhị phân CHIDIST (x, degrees_freedom) Trả xác xuất phía phân phối chi-squared CHIINV (probability, degrees_freedom) Trả nghịch đảo xác xuất phía phân phối chi-squared CHITEST (actual_range, expected_range) Trả giá trị xác xuất từ phân phối chi-squared số bậc tự tương ứng CONFIDENCE (alpha, standard_dev, size) Tính khoảng tin cậy cho kỳ vọng lý thuyết CRITBINOM (trials, probability_s, alpha) Trả giá trị nhỏ cho phân phối nhị thức tích lũy lớn hay giá trị tiêu chuẩn Thường dùng để bảo đảm ứng dụng đạt chất lượng… EXPONDIST (x, lambda, cumulative) : Tính phân phối mũ Thường dùng để mô thời gian biến cố… FDIST (x, degrees_freedom1, degrees_freedom2) Tính phân phối xác suất F Thường dùng để tìm xem hai tập số liệu có nhiều mức độ khác hay khơng… FINV (probability, degrees_freedom1, degrees_freedom2) Tính nghịch đảo phân phối xác suất F Thường dùng để so sánh độ biến thiên hai tập số liệu FTEST (array1, array2) : Trả kết phép thử F Thường dùng để xác định xem hai mẫu có phương sai khác hay khơng… FISHER (x) Trả phép biến đổi Fisher x Thường dùng để kiểm tra giả thuyết dựa hệ số tương quan… FISHERINV (y) Tính nghịch đảo phép biến đổi Fisher Thường dùng để phân tích mối tương quan mảng số liệu… GAMMADIST (x, alpha, beta, cumulative) Trả phân phối tích lũy gamma Có thể dùng để nghiên cứu có phân bố lệch GAMMAINV (probability, alpha, beta) Trả nghịch đảo phân phối tích lũy gamma GAMMLN (x) Tính logarit tự nhiên hàm gamma HYPGEOMDIST (number1, number2, ) Trả phân phối siêu bội (xác suất số lần thành cơng đó…) LOGINV (probability, mean, standard_dev) Tính nghịch đảo hàm phân phối tích lũy lognormal x (LOGNORMDIST) LOGNORMDIST (x, mean, standard_dev) Trả phân phối tích lũy lognormal x, logarit tự nhiên x thường phân phối với tham số mean standard_dev NEGBINOMDIST (number_f, number_s, probability_s) Trả phân phối nhị thức âm (trả xác suất mà có number_f lần thất bại trước có number_s lần thành cơng, xác suất không đổi lần thành công probability_s) NORMDIST (x, mean, standard_dev, cumulative) Trả phân phối chuẩn (normal distribution) Thường sử dụng việc thống kê, gồm việc kiểm tra giả thuyết NORMINV (probability, mean, standard_dev) Tính nghịch đảo phân phối tích lũy chuẩn NORMSDIST (z) Trả hàm phân phối tích lũy chuẩn tắc (standard normal cumulative distribution function), phân phối có trị trung bình cộng zero (0) độ lệch chuẩn NORMSINV (probability) Tính nghịch đảo hàm phân phối tích lũy chuẩn tắc POISSON (x, mean, cumulative) Trả phân phối poisson Thường dùng để ước tính số lượng biến cố xảy khoảng thời gian định PROB (x_range, prob_range, lower_limit, upper_limit) Tính xác suất trị dãy nằm hai giới hạn STANDARDIZE (x, mean, standard_dev) Trả trị chuẩn hóa từ phân phối biểu thị mean standard_dev TDIST (x, degrees_freedom, tails) Trả xác suất phân phối Student (phân phối t), x giá trị tính từ t dùng để tính xác suất TINV (probability, degrees_freedom) Trả giá trị t phân phối Student TTEST (array1, array2, tails, type) Tính xác xuất kết hợp với phép thử Student WEIBULL (x, alpha, beta, cumulative) Trả phân phối Weibull Thường sử dụng phân tích độ tin cậy, tính tuổi thọ trung bình thiết bị ZTEST (array, x, sigma) Trả xác suất phía phép thử z NHĨM HÀM VỀ TƯƠNG QUAN VÀ HỒI QUY TUYẾN TÍNH CORREL (array1, array2) Tính hệ số tương quan hai mảng để xác định mối quan hệ hai đặc tính COVAR (array1, array2) Tính tích số độ lệch cặp điểm liệu, tính trung bình tích số FORECAST (x, known_y's, known_x's) Tính tốn hay dự đoán giá trị tương lai cách sử dụng giá trị có, phương pháp hồi quy tuyến tính GROWTH (known_y's, known_x's, new_x's, const) Tính tốn tăng trưởng dự kiến theo hàm mũ, cách sử dụng kiện có INTERCEPT (known_y's, known_x's) Tìm điểm giao đường thẳng với trục y cách sử dụng trị x y cho trước LINEST (known_y's, known_x's, const, stats) Tính thống kê cho đường cách dùng phương pháp bình phương tối thiểu (least squares) để tính đường thẳng thích hợp với liệu, trả mảng mô tả đường thẳng Ln dùng hàm dạng cơng thức mảng LOGEST (known_y's, known_x's, const, stats) Dùng phân tích hồi quy Hàm tính đường cong hàm mũ phù hợp với liệu cung cấp, trả mảng gía trị mơ tả đường cong Ln dùng hàm dạng công thức mảng PEARSON (array1, array2) Tính hệ số tương quan momen tích pearson (r), mục không thứ nguyên, khoảng từ -1 đến 1, phản ánh mở rộng quan hệ tuyến tính hai tập số liệu RSQ (known_y's, known_x's) Tính bình phương hệ số tương quan momen tích Pearson (r), thông qua điểm liệu known_y's known_x's SLOPE (known_y's, known_x's) Tính hệ số góc đường hồi quy tuyến tính thơng qua điềm liệu STEYX (known_y's, known_x's) Trả sai số chuẩn trị dự đoán y trị x hồi quy TREND (known_y's, known_x's, new_x's, const) Trả trị theo xu tuyến tính Ngồi cách dùng hàm ta dùng menu Analysis ToolPak cài đặt sau: Trong Excel chọn menu Tools/Add-Ins …/Analysis ToolPak / Ok Khi chọn menu Tools / Data Analysis … Chọn mục cần thiết thực đơn để giải tốn đây: I THỐNG KÊ MƠ TẢ (Descriptive Statistics) 1) Bảng phân phối tần số - Bảng phân phối tần suất  Nhập liệu  Dùng hàm: FREQUENCY (data_array, bins_array)  data_array : Địa mảng liệu  bins_array: Địa mảng giá trị khác liệu Ví dụ : Lập bảng vẽ biểu đồ liệu sau: 12 13 11 13 15 12 11 10 14 13 12  Lập bảng phân phối tần số: o Nhập cột giá trị khác vào C3:C8 o Đánh dấu khối cột tần số D3:D8 , nhấn F2 nhập công thức = frequency(A2: A13 , C3:C8) ấn CTRL+SHIFT +ENTER  Lập bảng phân phối tần suất:nhập vào G2 công thức =D3/$D$9 ,copy cịn lại  Vẽ biểu đồ o Chọn menu: Insert/ Chart…/ Line/ Next o Nhập vào Data Range : $G$3:$G$8 o Chọn Tab Series , nhập địa cột giá trị: $F$3:$F$8 vào Category (X) axis labels o Chọn Next , Finish chọn mục Column 15 0.3 0.25 0.2 0.15 0.1 0.05 Series1 101112131415 2) Đặc trung mẫu Ví dụ: Tính đặc trưng mẫu liệu sau: 12 13 11 13 • Nhập liệu cột A1:A12 15 12 11 10 • Chọn menu Tools/Data Analysis…/Descriptive Statistics • Nhập mục:  Input Range: địa tuyệt đối chứa liệu $A$1:$A$12  Output Range: địa xuất kết  Confidence Level for Mean (Độ tin cậy cho trung bình) 14 13 12 15 • Kết bao gồm: Kỳ vọng (trung bình), phương sai, trung vị, mode, độ lệch chuẩn, độ nhọn, độ nghiêng (hệ số bất đối xứng so với phân phối chuẩn), khoảng biến thiên, max, min, sum, số mẫu (count), khoảng tin cậy trung bình mức 95% Tính theo hàm Column1 Mean x = 12.58333 Sx 0.451569 n= Standard Error Median 12.5 Mode Standard Deviation Giá trị trung bình 12 sx= 1.564279 Sample Variance 2.44697 AVERAGE(A1:A12) Sai số mẫu Trung vị MEDIAN(A1:A12) Mode MODE(A1:A12) Độ lệch chuẩn STDEV(A1:A12) Phương sai mẫu VAR(A1:A12) Kurtosis -0.61768 Độ nhọn đỉnh KURT(A1:A12) Skewness 0.157146 Độ nghiêng SKEW(A1:A12) Khoảng biến thiên MAX()-MIN() Range Minimum 10 Tối thiểu MIN(A1:A12) Maximum 15 Tối đa MAX(A1:A12) 151 Tổng SUM(A1:A12) Số lượng mẫu COUNT(A1:A12) Độ xác CONFIDENCE(0,05;Sx;n) Sum Count Confidence Level(95.0%) n= 12 tα Sx n = 0.993896 Chú ý : Khi mẫu lớn (n ≥ 30) ta thay tα Sx n zα Sx n đó: Zα = NORMSINV(1− α/2) II ƯỚC LƯỢNG THAM SỐ Để ước lượng trung bình đám đơng a ta thực bước sau:  Nhập liệu mẫu xử lý mẫu thống kê mơ tả (Descriptive Statistics)  Tính khoảng ước lượng trung bình a theo: x ± zα Sx n ; x ± tα Sx n Ví dụ: Khảo sát sức bền chịu lực mộ loại ống công nghiệp người ta đo ống thu số liệu sau: 4500 6500 5000 5200 4800 4900 5125 6200 5375 Ví dụ: Tiến hành xem tháng trung bình sinh viên tiêu hết tiền gọi điện thoại Khảo sát ngẫu nhiên 59 sinh viên thu kết quả: 14 95 30 29 22 18 16 147 73 36 22 27 72 26 60 30 111 37 15 41 36 37 25 26 35 28 63 31 26 42 127 33 57 20 79 23 29 40 58 36 31 35 18 33 52 70 41 85 23 15 27 48 28 35 47 11 15 32 Hãy ước lượng khoảng tin cậy số tiền gọi điện thoại trung bình hàng tháng sinh viên với độ tin cậy 95% Đs 33.96481 48.23858 * Bảng ANOVA Nguồn SS df Yếu tố A SSA n-1 MSA = Yếu tố B SSB m-1 MSB = SSAB (n-1)(m-1) Sai số SSE nm(r-1) Tổng SST nmr-1 Tương tác AB MS F SSA n−1 SSB m−1 SSAB MSAB = (n − 1)(m − 1) SSE MSE = nm(r − 1) FA = MSA MSE FB = MSB MSE FAB = MSAB MSE * Kết luận: • • • Nếu FA > F n-1 ; nm(r-1) ; 1-α bác bỏ yếu tố A (h àng) Nếu FB > F m-1 ; nm(r-1) ; 1-α bác bỏ yếu tố B (cột) Nếu FAB > F (n-1)(m-1) ; nm(r-1) ; 1-α có tương tác A B Ví dụ: Hàm lượng saponin (mg) loại dược liệu thu hái mùa (khô mưa: mùa lấy mẫu lần - đầu mùa, mùa, cuối mùa) từ miền (Nam, Trung, Bắc) thu kết sau: Mùa Khô Mưa Miền Thời điểm Đầu mùa Giữa mùa Cuối mùa Đầu mùa Giữa mùa Cuối mùa Nam Trung Bắc 2,4 2,4 2,5 2,5 2,5 2,6 2,1 2,2 2,2 2,2 2,3 2,3 3,2 3,2 3,4 3,4 3,5 3,5 Hãy cho biết hàm lượng saponin có khác theo mùa hay miền khơng? Nếu có yếu tố mùa miền có tương tác với hay khơng? α = 0,05 Dùng EXCEL * Chọn Tools\Data Analysis…\Anova: Two Factor With Replication * Chọn mục hình * Bảng ANOVA SUMMARY Nam Count Sum Average 7.3 2.433333 Variance 0.003333 Count Sum Average 7.6 2.533333 Variance 0.003333 Trung Bac Total 3 6.5 9.8 23.6 2.166667 3.266667 2.62222222 0.003333 0.013333 0.25194444 3 6.8 10.4 24.8 2.266667 3.466667 2.75555555 0.003333 0.003333 0.30027777 Total Count Sum Average Variance ANOVA Source of Variation Sample Columns 6 14.9 13.3 20.2 2.483333 2.216667 3.366667 0.005667 0.005667 0.018667 SS 0.08 4.347778 df MS 0.08 2.173889 Interaction 0.01 0.005 Within 0.06 12 0.005 F 16 434.777777 P-value 0.00176169 6.36194E12 0.39656945 Total 4.497778 17 ⇒ FA > F1; 12; 0,95 = 4,7472 : Hàm lượng saponin khác theo mùa FB > F2; 12 ; 0,95 = 3, 8853 : Hàm lượng saponin khác theo miền FAB < F2 ; 12 ; 0,95 = 3,8853 : chấp nhận H0 ( không tương tác) F crit 4.74722128 3.88529031 3.88529031 Vậy hàm lượng saponin dược liệu khác theo mùa, theo miền khơng có tương tác mùa miền hàm lượng saponin Bài tập 1) Một nghiên cứu thực nhằm xem xét liên hệ loại phân bón, giống lúa suất Năng suất lúa ghi nhận từ thực nghiệm sau: Giống lúa A B C Loại phân bón 65 69 75 68 71 75 62 67 78 74 72 70 69 79 69 76 69 65 64 68 78 72 73 82 65 75 80 83 78 76 82 78 77 84 75 75 Hãy cho biết ảnh hưởng loại phân bón, giống lúa suất, α = 0,01 2) Điều tra mức tăng trưởng chiều cao loại trồng theo loại đất trồng loại phân bón có kết quả: Loại đất Loại phân A B 5,5 5,5 6,0 5,6 7,0 7,0 4,5 4,5 4,0 5,0 5,5 5,0 3,5 4,0 3,0 4,0 5,0 4,5 Hỏi có khác mức tăng trưởng chiều cao theo loại đất loại phân bón ? α=0,05 3) Nghiên cứu sản lượng bơng (tạ/ha) theo mật độ trồng A phân bón B thu được: Phân bón Mật độ trồng a1 a2 a3 16 14 21 16 17 15 17 19 18 18 19 17 19 20 23 19 19 18 18 20 20 23 21 21 19 21 22 20 21 21 22 23 22 18 21 21 20 24 21 17 20 20 22 19 25 22 21 23 Hỏi có khác sản lượng theo mật độ trồng, theo phân bón với mức α=0,05 V TƯƠNG QUAN - HỒI QUY 1) Tương quan (Correlation)  Hệ số tương quan R   xi yi   xi  yi [n x 2i  ( x i )2 ][n y 2i  ( y i)2 ] Nếu R >0 X, Y tương quan thuận Nếu R 0,05 : hệ số tự có ý nghĩa 7.72E-06 < 0,05 : hệ số x khơng có ý nghĩa • Phương trình hồi quy tuyến tính khơng thích hợp 7.71522E-06 < 0,05 b) Hồi quy đa tuyến tính y x = b0 + b1x1 + + bn xn  Phương trình hồi quy đa tuyến tính:  Kiểm định hệ số bj * Giả thiết H0: Các hệ số hồi quy khơng có ý nghĩa (bj= ) H1: Có vài hệ số hồi quy có ý nghĩa (bj ≠ ) * Trắc nghiệm t < tα,n-2 : chấp nhận H0  Kiểm định phương trình hồi quy * Giả thiết H0:”Phương trình hồi quy khơng thích hợp” H1: ”Phương trình hồi quy thích hợp với vài bj” * Trắc nghiệm F < Fα,1,n-2 : chấp nhận H0 Ví dụ: Người ta dùng ba mức nhiệt độ gồm 105 , 120 135 0C kết hợp với ba khoảng thời gian 15 , 30 60 phút để thực phản ứng tổng hợp hiệu suất phản ứng (%)được trình bày bảng sau đây: Thời gian (ph) Nhiệt độ (0C) Hiệu suất (%) X1 X2 Y 15 105 1,87 30 105 2,02 60 105 3,28 15 120 3,05 30 120 4,07 60 120 5,54 15 135 5,03 30 135 6,45 60 135 7,26 Hãy cho biết yếu tố nhiệt độ yếu tố thời gian có liên quan tuyến tính với hiệu suất phản ứng tổng hợp? Nếu có điều kiện nhiệt độ 115 0C 50 phút hiệu suất phản ứng bao nhiêu? • Nhập liệu: • Y X1 = b0 + b1 X1 SUMMARY OUTPUT Regression Statistics Multiple R 0.462512069 R Square 0.213917414 Adjusted R Square 0.101619901 Standard Error 1.811191587 Observations ANOVA df SS MS F 1.904917 Regression 6.24891746 6.248917 Residual 22.96290476 3.280415 Total 29.21182222 Coefficients Standard Error Significance F 0.209994918 t Stat P-value Lower 95% Intercept 2.726666667 1.280705853 2.129034 0.070771 -0.301719287 X1 0.044539683 0.032270754 1.380187 0.209995 -0.031768471 Phương trình hồi quy: Y X = 2,7267 + 0,04454 X1 khơng thích hợp 0.209994918 > 0,05 Nghĩa : Hiệu suất Y khơng có liên quan tuyến tính với yếu tố thời gian X1 • Y X = b0 + b2 X SUMMARY OUTPUT Regression Statistics Multiple R R Square Adjusted R Square Standard Error 0.873933544 0.76375984 0.730011246 0.99290379 Observations ANOVA df SS MS F 22.63086 Regression 22.31081667 22.31082 Residual 6.901005556 0.985858 Total 29.21182222 Coefficients Intercept X2 Phương trình hồi quy: Standard Error t Stat P-value 0.002066188 Lower 95% -11.14111111 3.25965608 -3.41788 0.011168 -18.84896742 0.128555556 0.027023418 4.757191 0.002066 0.064655371 Y X = −11,1411 + 0,1286 thích hợp 0.002066188 < 0,05 X1 Nghĩa là: Hiệu suất Y có liên quan tuyến tính với yếu tố nhiệt độ X2 • Significance F Y X1,X = b0 + b1 X1 + b2 X SUMMARY OUTPUT Regression Statistics Multiple R 0.988776 R Square 0.977677 Adjusted R Square 0.970236 Standard Error 0.329669 Observations ANOVA df SS MS F 131.3921 Regression 28.55973413 14.27987 Residual 0.652088095 0.108681 Total 29.21182222 Coefficients Standard Error Intercept t Stat P-value Significance F 1.11235E-05 Lower 95% -12.7 1.101638961 -11.5283 2.56E-05 -15.3956154 X1 0.04454 0.005873842 7.582718 0.000274 0.030166899 X2 0.128556 0.008972441 14.32782 7.23E-06 0.106600767 Phương trình hồi quy: Y X 1, X = −12,7 + 0,04454 X1 + 0,1286 X thích hợp 1.11235E-05 < 0,05 Nghĩa là:Hiệu suất Y có liên quan tuyến tính với thời gian X1 nhiệt độ X2 • X1=50 , X2=115 ta dự đốn: Intercept -12.7 X1 0.04454 X2 0.128556 Dự đoán hiệu suất Y: 4.31094 Bài tập Cho Y nhu cầu thịt bò (đơn vị 100 tấn) 12 tháng liên tiếp (X) khu dân cư : X: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 Y: 15, 18, 18, 16, 14, 18, 20, 21, 19, 20, 24, 26 Hãy ước lượng hàm hồi quy tuyến tính đơn, dự báo nhu cầu thịt bị cho tháng Đáp số : y = 0.793706 x + 13.92424 Trong 10 tháng liên tiếp lượng hàng bán công ty thấp, sau cơng ty tung thị trường sản phẩm nhận thấy lượng hàng bán tăng theo hàm mũ Số đơn vị hàng bán (Y) tháng (X) cho bảng sau: Hãy ước lượng hàm hồi quy mũ dự báo lượng hàng bán tháng 17, 18, 19, 20 (dùng hàm Growth) Đáp số : y = 495.3048 +1.463276x Tính hàm hồi quy tuyến tính bội với số liệu cho bảng duới Y thu nhập quốc dân, X1 sản lượng điện, X2 sản lượng than, X3 sản lượng lương thực, X4 sản lượng thép Dùng hai phương pháp: dùng hàm Linest lệnh Tools / Data Analysis Dự báo Y với X = (5.2, 65.1, 275.3, 37.8) Đáp số: dự báo Y =751.79289 Bảng bên cho số liệu doanh thu (Y), chi phí cho quảng cáo (X1), tiền lương nhân viên tiếp thị (X2) 12 công ty tư nhân, đơn vị triệu đồng Xây dựng hàm hồi quy tuyến tính bội Y phụ thuộc vào X1, X2 Để ước lượng hàm hồi quy ta dùng hàm mảng Linest sau: đánh dấu khối vùng ô B19: D23, nhập công thức =LINEST(A2 : A13, B2 : C13, True, True), ấn Ctrl + Shift +Enter, kết ta 12 số: Tiếp theo, cho giá trị x1, x2 khối ô B15 : C17, cần dự báo giá trị y tính theo (2) khối D15 :D17 Thao tác tính: đánh dấu khối vùng D15:D17, nhập công thức = Trend(a2: a13,b2: c13, b15: c17, True), ấn Ctrl + Shift +Enter Tính hàm hồi quy y (sản lựơng nông nghiệp) phụ thuộc vào x (lựơng phân bón) Cơng thức D2 = Slope(a2:a6, b2:b6), công thức ô E2 =Intercept(a2:a6, b2:b6), công thức ô E5 =Forecast(d5, a2:a6, b2:b6) để dự báo y với x = 1612 y = mx + b Do tất hàm lệnh trình bày với hồi quy tuyến tính bội với hồi quy tuyến tính đơn Song hồi quy tuyến tính đơn có thêm ba hàm — Hàm Slope(known_y's, known_x's) ước lượng giá trị m phương trình (3) — Hàm Intercept(known_y's, known_x's) ước lượng giá trị b (3) — Hàm Forecast( x, known_y's, known_x's ): dự đốn y theo phương trình (3) với giá trị x biết trước ... Nhập liệu mẫu xử lý mẫu thống kê mơ tả (Descriptive Statistics)  Tính khoảng ước lượng trung bình a theo: x ± zα Sx n ; x ± tα Sx n Ví dụ: Khảo sát sức bền chịu lực mộ loại ống công nghiệp người... Đánh dấu khối cột tần số D3:D8 , nhấn F2 nhập công thức = frequency(A2: A13 , C3:C8) ấn CTRL+SHIFT +ENTER  Lập bảng phân phối tần suất:nhập vào G2 công thức =D3/$D$9 ,copy cịn lại  Vẽ biểu đồ o... stats) Tính thống kê cho đường cách dùng phương pháp bình phương tối thiểu (least squares) để tính đường thẳng thích hợp với liệu, trả mảng mơ tả đường thẳng Ln dùng hàm dạng công thức mảng LOGEST