Verwenden Sie die Analyse-Funktionen komplexe Datenanalyse durchführen - Office Support
Wenn Sie komplexe statistische oder Engineering entwickeln müssen analysiert, können Sie die Schritte und Zeit sparen, indem die Analyse-Funktionen verwenden. Sie liefern die Daten und Parameter für jede Analyse, und das Werkzeug verwendet die geeigneten statistischen oder Funktionen Engineering Makro zu berechnen und die Ergebnisse in einer Ausgabetabelle angezeigt werden soll. Einige Tools generieren Diagramme zusätzlich zu Output-Tabellen.
Die Datenanalyse-Funktionen können zu einem Zeitpunkt nur auf einem Arbeitsblatt verwendet werden. Wenn Sie die Datenanalyse auf gruppierten Arbeitsblättern durchführen, werden die Ergebnisse auf dem ersten Arbeitsblatt erscheinen und leere formatierte Tabellen auf den übrigen Arbeitsblätter angezeigt. Um die Datenanalyse auf dem Rest der Arbeitsblatt auszuführen, neu berechnen für jeden Arbeitsblatt das Analyse-Tool.
Laden und aktivieren Sie die Analyse-Funktionen
Klicken Sie auf die Registerkarte Datei auf Optionen. und klicken Sie dann auf das Add-Ins Kategorie.
Im Feld Verwalten, wählen Sie Excel-Add-In und klicken Sie auf Go.
Wenn Sie Excel für Mac im Datei-Menü verwenden gehen Sie auf Extras> Excel-Add-In.
Im Add-Ins Feld, die Kontrollkästchen Analyse-Funktionen und dann auf OK klicken.
Wenn Analyse-Funktionen nicht in dem Add-In verfügbar Feld aufgeführt wird, klicken Sie auf Durchsuchen um ihn zu suchen.
Wenn Sie gefragt werden, dass die Analyse-Funktionen nicht auf Ihrem Computer installiert sind, klicken Sie auf Ja, es zu installieren.
Hinweis: Um Visual Basic for Application (VBA) Funktionen für die Analyse-Funktionen enthalten, können Sie die Analyse-Funktionen laden - VBA-Add-in der gleichen Art und Weise, dass Sie die Analyse-Funktionen laden. In der Add-Ins-Box, wählen Sie die Analyse-Funktionen - VBA Kontrollkästchen.
Ob die Höhen der Pflanzen für die verschiedenen Düngemittel Marken aus dem gleichen Grunde liegenden Population gezogen. Die Temperaturen werden für diese Analyse nicht berücksichtigt.
Ob die Höhen der Pflanzen für die unterschiedlichen Temperaturniveaus aus der gleichen zugrundeliegenden Population gezogen. Dünger-Marken sind für diese Analyse ignoriert.
Ob die Auswirkungen der Unterschiede zwischen Düngemitteln Marken im ersten Aufzählungspunkt und Temperaturunterschiede in dem zweiten Aufzählungspunkt, die sechs Proben gefunden entfielen hat stellvertretend für alle Wertepaare werden aus derselben Population gezogen. Die alternative Hypothese ist, dass es Wirkungen aufgrund von spezifischen Paaren die über die Unterschiede, die allein oder von der Temperatur allein auf Dünger basieren.
Das Analyse-Tool ist nützlich, wenn Daten auf zwei verschiedene Dimensionen wie in dem Zwei-Faktor-Fall mit Replication klassifiziert wird. Jedoch für dieses Werkzeug wird davon ausgegangen, dass es für jedes Paar nur eine einzige Beobachtung ist (beispielsweise jedes Paar in dem vorhergehenden Beispiel).
Die CORREL und PEARSON Tabellenfunktionen berechnen sowohl der Korrelationskoeffizient zwischen zwei Messgrößen, wenn Messungen an jeder Variablen werden für jede der N Probanden beobachtet. (Jede fehlende Beobachtung für jedes Thema bewirkt, dass Subjekt in der Analyse ignoriert werden.) Das Korrelationsanalyse-Tool ist besonders nützlich, wenn es mehr als zwei Messgrößen für jeden der N Subjekte. Es liefert eine Ausgangstabelle, eine Korrelationsmatrix, die den Wert von CORREL (oder PEARSON) zeigt zu jedem möglichen Paar von Messgrößen verwendet.
Der Korrelationskoeffizient, wie die Kovarianz, ist ein Maß für das Ausmaß, in dem zwei Messgrößen „zusammen variieren.“ Anders als die Kovarianz der Korrelationskoeffizient so skaliert, daß sein Wert unabhängig von den Einheiten, in denen die beiden Meßgrößen ausgedrückt sind. (Zum Beispiel, wenn die beiden Meßgrößen sind Gewicht und Höhe, wird der Wert des Korrelationskoeffizienten unverändert ist, wenn das Gewicht von Pfund in Kilogramm umgewandelt wird.) Der Wert des Korrelationskoeffizient sein muss zwischen -1 und +1 einschließlich.
Sie können das Korrelationsanalyse-Tool verwenden, um jedes Paar von Messgrößen zu untersuchen, um zu bestimmen, ob die beiden Messgrößen dazu neigen, zusammen zu bewegen - das heißt, ob große Werte einer Variablen sind in der Regel mit großen Werten der anderen (positiven Korrelation) verbunden sein, ob kleine Werte einer Variablen sind in der Regel mit großen Werten der anderen (negativen Korrelation) in Verbindung gebracht werden, oder ob die Werte der beiden Variablen sind in der Regel nicht verwandte (Korrelation der Nähe von 0 (null)) sein.
Die Korrelation und Kovarianz-Tools können beide in der gleichen Einstellung verwendet werden, wenn Sie N verschiedene Messgrößen auf einer Reihe von Individuen beobachtet hat. Die Korrelation und Kovarianz Werkzeuge geben jeweils eine Ausgabetabelle, die eine Matrix, die die Korrelationskoeffizienten oder Kovarianz zeigt, jeweils zwischen jedem Paar von Messgrößen. Der Unterschied besteht darin, dass die Korrelationskoeffizienten skaliert sind zwischen -1 und +1 bis einschließlich liegen. Entsprechende Kovarianzen werden nicht skaliert. Sowohl der Korrelationskoeffizient und die Kovarianz sind Maßnahmen des Ausmaßes, in denen zwei Variablen „zusammen variieren.“
Das Kovarianz-Tool berechnet den Wert des Tabellenfunktion COVARIANCE.P für jedes Paar von Messgrößen. (Die direkte Verwendung von COVARIANCE.P anstatt dem Kovarianz-Tool ist eine sinnvolle Alternative, wenn es nur zwei Messgrößen, das heißt, N = 2). Der Eintrag auf der Diagonalen der Ausgabetabelle des Kovarianz Werkzeugs in Zeile i, Spalte i ist die Kovarianz der i-ten Messgröße mit mir. Dies ist nur die Varianz der für diese Variable, wie der Tabellenfunktion VAR.P berechnet.
Sie können das Kovarianz-Werkzeug verwenden, um jedes Paar von Messgrößen zu untersuchen, um zu bestimmen, ob die beiden Messgrößen dazu neigen, zusammen zu bewegen - das heißt, ob große Werte einer Variablen sind in der Regel mit großen Werten der anderen (positiven Kovarianz) verbunden sein, ob kleine Werte einer Variablen sind in der Regel mit großen Werten der anderen (negativen Kovarianz) verbunden werden, oder ob die Werte der beiden Variablen sind in der Regel ohne Bezug zu sein (Kovarianz der Nähe von 0 (null)).