上次給大家分享了《2017年最全的excel函數大全14—統(tǒng)計函數（3）》，這次分享給大家統(tǒng)計函數（4）。

FORECAST.ETS.CONFINT 函數

說明

返回指定目標日期預測值的置信區(qū)間。 95% 的置信區(qū)間意味著 95% 的未來點預計將處于 FORECAST.ETS 預期結果中的此范圍內（使用正態(tài)分布）。 使用置信區(qū)間可以幫助掌握預測模型的準確度。較小的區(qū)間意味著在針對此特定點的預測中有更多置信。

用法

預測. ets . confint ( target_date 、值、時間線,[ confidence_level ]、[ seasonality ],[ data_completion ],[匯總])

FORECAST.ETS.CONFINT 函數用法具有以下參數：

target_date 必需。要為其預測值的數據點。目標日期可以是日期/時間或數字。 如果目標日期在歷史時間線結束前按時間順序排序，則 FORECAST.ETS.CONFINT 將返回 #NUM! 錯誤。

值必需。 值是歷史值，您要為其預測下一點。

時間線必需。獨立數組或數值數據區(qū)域。時間線中的日期之間必須有一致步長且不能為零。 無需對時間線進行排序，因為 FORECAST.ETS.CONFINT 會對其進行隱式排序，以進行計算。 如果無法在提供的時間線中識別一致步長，則 FORECAST.ETS.CONFINT 將返回 #NUM! 錯誤。 如果時間線包含重復值，則 FORECAST.ETS.CONFINT 將返回 #VALUE! 錯誤。 如果時間線和值的范圍大小不同，則 FORECAST.ETS.CONFINT 將返回 #N/A 錯誤。

confidence_level 可選。0 和 1 之間的一個數值（獨占），指示計算置信區(qū)間的置信度。 例如，對于 90% 的置信區(qū)間，將計算 90% 置信度（90% 的未來點將處于此預測范圍內）。 默認值為 95%。 對于 (0,1) 范圍外的數值，FORECAST.ETS.CONFINT 將返回 #NUM! 錯誤。

季節(jié)性可選。一個數值。 默認值為 1，意味著 Excel 自動檢測季節(jié)性進行預測，并使用正整數作為季節(jié)性模式的長度。 0 表示無季節(jié)性，意味著預測為線性預測。 正整數指示算法使用此長度模式作為季節(jié)性。 對于其他任何值，FORECAST.ETS.CONFINT 將返回 #NUM! 錯誤。

最大支持 seasonality 是8,760（一年中的小時數）。 該數字上方的任何 seasonality 將導致# NUM ! 錯誤。

數據完成可選。雖然時間線需要數據點之間的一致步長，但 FORECAST.ETS.CONFINT 支持最多 30% 的丟失數據，并會自動對其進行調整。 0 表示算法將缺少的點視為零。 通過將缺少的點算為鄰接點的平均值，默認值 1 將計算缺少的點。

聚合可選。雖然時間線需要數據點之間的一致步長，但 FORECAST.ETS.CONFINT 會聚合具有相同時間戳的多個點。聚合參數是一個數值，指明要用于聚合具有相同時間戳的多個值的方法。默認值 0 將使用 AVERAGE，而其他選項為 SUM、COUNT、COUNTA、MIN、MAX、MEDIAN。

FORECAST.ETS.SEASONALITY 函數

說明

返回 Excel 針對指定時間系列檢測到的重復模式的長度。 FORECAST.ETS.Seasonality 可用于FORECAST.ETS之后，確定已檢測到的自動季節(jié)性和 FORECAST.ETS 使用的季節(jié)性。 雖然它可以獨立于 FORECAST.ETS 使用，但鑒于相同的輸入參數會影響數據完整性，函數會受到限制，因為在該函數中檢測到的季節(jié)性與 FORECAST.ETS 使用的季節(jié)性相同。

用法

FORECAST.ETS.SEASONALITY(值, 時間線,[data_completion], [聚合])

FORECAST.ETS.SEASONALITY 函數用法具有下列參數：

值 必需。 值是歷史值，您要為其預測下一點。時間線 必需。獨立數組或數值數據區(qū)域。時間線中的日期之間必須有一致步長且不能為零。 無需對時間線進行排序，因為 FORECAST.ETS.SEASONALITY 會對其進行隱式排序，以進行計算。 如果無法在提供的時間線中識別一致步長，則 FORECAST.ETS.SEASONALITY 將返回 #NUM! 錯誤。 如果時間線包含重復值，則 FORECAST.ETS.SEASONALITY 將返回 #VALUE! 錯誤。 如果時間線和值的范圍大小不同，則 FORECAST.ETS.SEASONALITY 將返回 #N/A 錯誤。數據完成 可選。雖然時間線需要數據點之間的一致步長，但 FORECAST.ETS.SEASONALITY 支持最多 30% 的丟失數據，并會自動對其進行調整。 0 表示算法將缺少的點視為零。 通過將缺少的點算為鄰接點的平均值，默認值 1 將計算缺少的點。聚合 可選。雖然時間線需要數據點之間的一致步長，但 FORECAST.ETS.SEASONALITY 會聚合具有相同時間戳的多個點。聚合參數是一個數值，指明要用于聚合具有相同時間戳的多個值的方法。默認值 0 將使用 AVERAGE，而其他選項為 SUM、COUNT、COUNTA、MIN、MAX、MEDIAN。

FORECAST.ETS.STAT 函數

說明

返回作為時間序列預測的結果的統(tǒng)計值。

統(tǒng)計值類型表明此函數請求的統(tǒng)計信息。

用法

FORECAST.ETS.STAT(值, 時間線, statistic_type, [季節(jié)性], [data_completion], [聚合])

FORECAST.ETS.STAT 函數用法具有以下參數：

值 必需。 值是歷史值，您要為其預測下一點。時間線 必需。獨立數組或數值數據區(qū)域。時間線中的日期之間必須有一致步長且不能為零。 無需對時間線進行排序，因為 FORECAST.ETS.STAT 會對其進行隱式排序，以進行計算。 如果無法在提供的時間線中識別一致步長，則 FORECAST.ETS.STAT 將返回 #NUM! 錯誤。 如果時間線包含重復值，則 FORECAST.ETS.STAT 將返回 #VALUE! 錯誤。 如果時間線和值的范圍大小不同，則 FORECAST.ETS.STAT 將返回 #N/A 錯誤。statistic_type 必需。 數字值介于1和8之間，指示哪些統(tǒng)計值將不會為計算預測返回。季節(jié)性 可選。一個數值。 默認值為 1，意味著 Excel 自動檢測季節(jié)性進行預測，并使用正整數作為季節(jié)性模式的長度。 0 表示無季節(jié)性，意味著預測為線性預測。 正整數指示算法使用此長度模式作為季節(jié)性。 對于其他任何值，FORECAST.ETS.STAT 將返回 #NUM! 錯誤。

最大支持 seasonality 是8,760（一年中的小時數）。 該數字上方的任何 seasonality 將導致# NUM ! 錯誤。

數據完成 可選。雖然時間線需要數據點之間的一致步長，但 FORECAST.ETS.STAT 支持最多 30% 的丟失數據，并會自動對其進行調整。 0 表示算法將缺少的點視為零。 通過將缺少的點算為鄰接點的平均值，默認值 1 將計算缺少的點。聚合 可選。雖然時間線需要數據點之間的一致步長，但 FORECAST.ETS.STAT 會聚合具有相同時間戳的多個點。聚合參數是一個數值，指明要用于聚合具有相同時間戳的多個值的方法。默認值 0 將使用 AVERAGE，而其他選項為 SUM、COUNT、COUNTA、MIN、MAX、MEDIAN。

下列可選的統(tǒng)計信息可以返回：

Alpha ets 算法的參數 返回參數較高值基值為最近的數據點的詳細粗細。Beta ets 算法的參數 返回參數的趨勢值較高值為最近的趨勢的詳細粗細。ets 算法的伽瑪參數 返回參數 seasonality 值較高值為最近使用的季節(jié)性期間內的詳細粗細。mase 躍點 返回絕對按比例縮放的錯誤平均值躍點數度量值預測的準確性。smape 躍點 返回絕對躍點數基于百分比錯誤的準確性度量值的百分比錯誤的對稱平均值。mae 躍點 返回絕對躍點數基于百分比錯誤的準確性度量值的百分比錯誤的對稱平均值。rmse 躍點 返回 根 平均值平方值錯誤躍點數預測和觀察值之間的差異的度量。檢測到步驟大小 返回歷史時間線中檢測到的步驟大小。

FORECAST.LINEAR 函數

說明

根據現有值計算或預測未來值。 預測值為給定 x 值后求得的 y 值。 已知值為現有的 x 值和 y 值，并通過線性回歸來預測新值。 可以使用該函數來預測未來銷售、庫存需求或消費趨勢等。

用法

預測.線性( x , known _ y ' s , known _ x ' s )

FORECAST.LINEAR 函數用法具有以下參數：

X 必需。 需要進行值預測的數據點。

Known_y's 必需。 相關數組或數據區(qū)域。

Known_x's 必需。 獨立數組或數據區(qū)域。

FREQUENCY 函數

說明

計算數值在某個區(qū)域內的出現頻率，然后返回一個垂直數組。 例如，使用函數 FREQUENCY 可以在分數區(qū)域內計算測驗分數的個數。 由于 FREQUENCY 返回一個數組，所以它必須以數組公式的形式輸入。

用法

FREQUENCY(data_array, bins_array)

FREQUENCY 函數用法具有下列參數：

Data_array必需。 要對其頻率進行計數的一組數值或對這組數值的引用。 如果 data_array 中不包含任何數值，則 FREQUENCY 返回一個零數組。Bins_array必需。 要將 data_array 中的值插入到的間隔數組或對間隔的引用。 如果 bins_array 中不包含任何數值，則 FREQUENCY 返回 data_array 中的元素個數。

備注

在選擇了用于顯示返回的分布結果的相鄰單元格區(qū)域后，函數 FREQUENCY 應以數組公式的形式輸入。返回的數組中的元素比 bins_array 中的元素多一個。 返回的數組中的額外元素返回最高的間隔以上的任何值的計數。 例如，在對輸入到三個單元格中的三個值范圍（間隔）進行計數時，確保將 FREQUENCY 輸入到結果的四個單元格。 額外的單元格將返回 data_array 中大于第三個間隔值的值的數量。函數 FREQUENCY 將忽略空白單元格和文本。對于返回結果為數組的公式，必須以數組公式的形式輸入。

案例

GAMMA 函數

說明

返回 gamma 函數值。

用法

GAMMA(number)

GAMMA 函數用法具有下列參數：

Number 必需。 返回一個數字。

備注

GAMMA 使用以下公式：

Г(N+1) = N * Г(N)如果 Number 為負整數或 0，則 GAMMA 返回 錯誤值 #NUM!。如果 Number 包含無效的字符，則 GAMMA 返回 錯誤值 #VALUE!。

案例

GAMMA.DIST 函數

說明

返回伽瑪分布函數的函數值。 可以使用此函數來研究呈斜分布的變量。 伽瑪分布通常用于排隊分析。

用法

GAMMA.DIST(x,alpha,beta,cumulative)

GAMMA.DIST 函數用法具有下列參數：

X必需。 用來計算分布的數值。Alpha必需。 分布參數。Beta必需。 分布參數。 如果 beta = 1，則 GAMMA.DIST 返回標準伽瑪分布。Cumulative必需。 決定函數形式的邏輯值。 如果 cumulative 為 TRUE，則 GAMMA.DIST 返回累積分布函數；如果為 FALSE，則返回概率密度函數。

備注

如果 x、alpha 或 beta 為非數值型，則 GAMMA.DIST 返回 錯誤值 #VALUE!。如果 x 0，則 GAMMA.DIST 返回 錯誤值 #NUM!。如果 alpha ≤ 0 或 beta ≤ 0，則 GAMMA.DIST 返回 錯誤值 #NUM!。伽瑪概率密度函數的計算公式如下：

標準伽瑪概率密度函數為：

當 alpha = 1 時，GAMMA.DIST 返回如下的指數分布：

對于正整數 n，當 alpha = n/2，beta = 2 且 cumulative = TRUE 時，GAMMA.DIST 以自由度 n 返回 (1 - CHISQ.DIST.RT(x))。當 alpha 為正整數時，GAMMA.DIST 也稱為愛爾朗 (Erlang) 分布。

案例

GAMMA.INV 函數

說明

返回伽瑪累積分布函數的反函數值。 如果 p = GAMMA.DIST(x,...)，則 GAMMA.INV(p,...) = x。 使用此函數可以研究有可能呈斜分布的變量。

用法

GAMMA.INV(probability,alpha,beta)

GAMMA.INV 函數用法具有下列參數：

Probability必需。 伽瑪分布相關的概率。Alpha必需。 分布參數。Beta必需。分布參數。如果 beta = 1，則 GAMMA.INV 返回標準伽瑪分布。

備注

如果任一參數為文本型，則 GAMMA.INV 返回 錯誤值 #VALUE!。如果 probability 0 或 probability 1，則 GAMMA.INV 返回 錯誤值 #NUM!。如果 alpha ≤ 0 或 beta ≤ 0，則 GAMMA.INV 返回 錯誤值 #NUM!。

如果已給定概率值，則 GAMMA.INV 使用 GAMMA.DIST(x, alpha, beta, TRUE) = probability 求解數值 x。 因此，GAMMA.INV 的精度取決于 GAMMA.DIST 的精度 GAMMA.INV 使用迭代搜索技術。 如果搜索在 64 次迭代之后沒有收斂，則函數返回錯誤值 #N/A。

案例

GAMMALN 函數

說明

返回伽瑪函數的自然對數，Γ(x)。

用法

GAMMALN(x)

GAMMALN 函數用法具有下列參數：

X必需。 要計算其 GAMMALN 的數值。

備注

如果 x 為非數值型，則 GAMMALN 返回 錯誤值 #VALUE!。如果 x ≤ 0，則 GAMMALN 返回 錯誤值 #NUM!。數字 e 的 GAMMALN(i) 次冪的返回值與 (i - 1)! 的結果相同，其中 i 為整數。GAMMALN 的公式為：

其中：

案例

GAMMALN.PRECISE 函數

說明

返回伽瑪函數的自然對數，Γ(x)。

用法

GAMMALN.PRECISE(x)

GAMMALN.PRECISE 函數用法具有下列參數：

X必需。 要計算其 GAMMALN.PRECISE 的數值。

備注

如果 x 為非數值型，則 GAMMALN.PRECISE 返回 錯誤值 #VALUE!。如果 x ≤ 0，則 GAMMALN.PRECISE 返回 錯誤值 #NUM!。數字 e 的 GAMMALN.PRECISE(i) 次冪返回與 (i-1)! 相同的結果，其中 i 為整數。GAMMALN.PRECISE 計算公式如下：

GAMMALN.PRECISE=LN(Γ(x))

其中：

案例

GAUSS 函數

說明

計算標準正態(tài)總體的成員處于平均值與平均值的 z 倍標準偏差之間的概率。

用法

GAUSS(z)

GAUSS 函數用法具有下列參數：

z 必需。返回一個數字。

備注

如果 z 不是有效數字，GAUSS 返回 錯誤值 #NUM!。如果 z 不是有效數據類型，GAUSS 返回 錯誤值 #VALUE!。因為 NORM.S.DIST(0,True) 總是返回 0.5，所以 GAUSS (z) 將總是等于 NORM.S.DIST(z,True) - 0.5。

案例

GEOMEAN 函數

說明

返回一組正數數據或正數數據區(qū)域的幾何平均值。 例如，可以使用 GEOMEAN 計算可變復利的平均增長率。

用法

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

GEOMEAN 函數用法具有下列參數：

number1, number2, ...Number1 是必需的，后續(xù)數字是可選的。 用于計算平均值的 1 到 255 個參數。 也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。

備注

參數可以是數字或者是包?...

上次給大家分享了《2017年最全的excel函數大全14—統(tǒng)計函數（2）》，這次分享給大家統(tǒng)計函數（3）。

COUNTIFS 函數

描述

COUNTIFS函數將條件應用于跨多個區(qū)域的單元格，然后統(tǒng)計滿足所有條件的次數。

用法

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

COUNTIFS 函數用法具有以下參數：

criteria_range1必需。在其中計算關聯條件的第一個區(qū)域。criteria1必需。條件的形式為數字、表達式、單元格引用或文本，它定義了要計數的單元格范圍。例如，條件可以表示為 32、">32"、B4、"apples"或 "32"。criteria_range2, criteria2, ...可選。附加的區(qū)域及其關聯條件。最多允許 127 個區(qū)域/條件對。

重要:每一個附加的區(qū)域都必須與參數criteria_range1具有相同的行數和列數。這些區(qū)域無需彼此相鄰。

備注

每個區(qū)域的條件一次應用于一個單元格。如果所有的第一個單元格都滿足其關聯條件，則計數增加 1。如果所有的第二個單元格都滿足其關聯條件，則計數再增加 1，依此類推，直到計算完所有單元格。如果條件參數是對空單元格的引用，COUNTIFS 會將該單元格的值視為 0。您可以在條件中使用通配符，即問號 (?) 和星號 (*)。問號匹配任意單個字符，星號匹配任意字符串。如果要查找實際的問號或星號，請在字符前鍵入波形符 (~)。

案例 1

案例 2

COVARIANCE.P 函數

描述

返回總體協(xié)方差，即兩個數據集中每對數據點的偏差乘積的平均數。利用協(xié)方差確定兩個數據集之間的關系。例如，您可檢查教育程度與收入是否成正比。

用法

COVARIANCE.P(array1,array2)

COVARIANCE.P 函數用法具有下列參數：

Array1必需。整數的第一個單元格區(qū)域。Array2必需。整數的第二個單元格區(qū)域。

備注

參數必須是數字，或者是包含數字的名稱、數組或引用。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果 array1 和 array2 所含數據點的個數不等，則 COVARIANCE.P 返回錯誤值 #N/A。如果 array1 和 array2 當中有一個為空，則 COVARIANCE.P 返回錯誤值 #p/0!。協(xié)方差計算公式為

其中

是樣本平均值 AVERAGE(array1) 和 AVERAGE(array2)，n 是樣本大小。

案例

COVARIANCE.S 函數

描述

返回樣本協(xié)方差，即兩個數據集中每對數據點的偏差乘積的平均值。

用法

COVARIANCE.S(array1,array2)

COVARIANCE.S 函數用法具有下列參數：

Array1必需。整數的第一個單元格區(qū)域。Array2必需。整數的第二個單元格區(qū)域。

備注

參數必須是數字，或者是包含數字的名稱、數組或引用。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果 array1 和 array2 具有不同數量的數據點，則 COVARIANCE.S 返回錯誤值 #N/A。如果 array1 或 array2 為空或各自僅包含 1 個數據點，則 COVARIANCE.S 返回錯誤值 #p/0!。

案例

DEVSQ 函數

描述

返回各數據點與數據均值點之差（數據偏差）的平方和。

用法

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

DEVSQ 函數用法具有下列參數：

number1, number2, ... Number1 是必需的，后續(xù)數字是可選的。用于計算偏差平方和的 1 到 255 個參數。也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。

備注

參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。偏差平方和的公式為：

案例

EXPON.DIST 函數

描述

返回指數分布。使用 EXPON.DIST 可以建立事件之間的時間間隔模型，如銀行自動提款機支付一次現金所花費的時間。例如，可通過 EXPON.DIST 來確定這一過程最長持續(xù)一分鐘的發(fā)生概率。

用法

EXPON.DIST(x,lambda,cumulative)

EXPON.DIST 函數用法具有下列參數：

X必需。函數值。Lambda必需。參數值。Cumulative必需。邏輯值，用于指定指數函數的形式。如果 cumulative 為 TRUE，則 EXPON.DIST 返回累積分布函數；如果為 FALSE，則返回概率密度函數。

備注

如果 x 或 lambda 為非數值型，則 EXPON.DIST 返回錯誤值 #VALUE!。如果 x < 0，則 EXPON.DIST 返回錯誤值 #NUM!。如果 lambda < 0，則 EXPON.DIST 返回錯誤值 #NUM!。概率密度函數的公式為：

累積分布函數的公式為：

案例

F.DIST 函數

描述

返回 F 概率分布函數的函數值。使用此函數可以確定兩組數據是否存在變化程度上的不同。例如，分析進入中學的男生、女生的考試分數，來確定女生分數的變化程度是否與男生不同。

用法

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

F.DIST 函數用法具有下列參數：

X必需。用來計算函數的值。Deg_freedom1必需。分子自由度。Deg_freedom2必需。分母自由度。Cumulative必需。決定函數形式的邏輯值。如果 cumulative 為 TRUE，則 F.DIST 返回累積分布函數；如果為 FALSE，則返回概率密度函數。

備注

如果任一參數為非數值型，則 F.DIST 返回錯誤值 #VALUE!。如果 x 為負數，則 F.DIST 返回錯誤值 #NUM!。如果 deg_freedom1 或 deg_freedom2 不是整數，則將被截尾取整。如果 deg_freedom1 < 1，則 F.DIST 返回錯誤值 #NUM!。如果 deg_freedom2 < 1，則 F.DIST 返回錯誤值 #NUM!。

案例

F.DIST.RT 函數

描述

返回兩個數據集的（右尾）F 概率分布（變化程度）。使用此函數可以確定兩組數據是否存在變化程度上的不同。例如，分析進入中學的男生、女生的考試分數，來確定女生分數的變化程度是否與男生不同。

用法

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

F.DIST.RT 函數用法具有下列參數：

X必需。用來計算函數的值。Deg_freedom1必需。分子自由度。Deg_freedom2必需。分母自由度。

備注

如果任一參數為非數值型，則 F.DIST.RT 返回錯誤值 #VALUE!。如果 x 為負數，則 F.DIST.RT 返回錯誤值 #NUM!。如果 deg_freedom1 或 deg_freedom2 不是整數，則將被截尾取整。如果 deg_freedom1 < 1，則 F.DIST.RT 返回錯誤值 #NUM!。如果 deg_freedom2 < 1，則 F.DIST.RT 返回錯誤值 #NUM!。F.DIST.RT 的計算公式為 F.DIST.RT=P( F>x )，其中 F 為呈 F 分布且?guī)в?deg_freedom1 和 deg_freedom2 自由度的隨機變量。

案例

F.INV 函數

描述

返回 F 概率分布函數的反函數值。如果 p = F.DIST(x,...)，則 F.INV(p,...) = x。在 F 檢驗中，可以使用 F 分布比較兩組數據中的變化程度。例如，可以分析美國和加拿大的收入分布，判斷兩個國家/地區(qū)是否有相似的收入變化程度。

用法

F.INV(probability,deg_freedom1,deg_freedom2)

F.INV 函數用法具有下列參數：

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

備注

如果任一參數為非數值型，則 F.INV 返回錯誤值 #VALUE!。如果 probability < 0 或 probability > 1，則 F.INV 返回錯誤值 #NUM!。如果 deg_freedom1 或 deg_freedom2 不是整數，則將被截尾取整。如果deg_freedom1 < 1 或 deg_freedom2 < 1，則 F.INV 返回錯誤值 #NUM!。

案例

F.INV.RT 函數

描述

返回（右尾）F 概率分布函數的反函數值。如果 p = F.DIST.RT(x,...)，則 F.INV.RT(p,...) = x。在 F 檢驗中，可以使用 F 分布比較兩組數據中的變化程度。例如，可以分析美國和加拿大的收入分布，判斷兩個國家/地區(qū)是否有相似的收入變化程度。

用法

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

F.INV.RT 函數用法具有下列參數：

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

備注

如果任一參數為非數值型，則 F.INV.RT 返回錯誤值 #VALUE!。如果 Probability < 0 或 Probability > 1，則 F.INV.RT 返回錯誤值 #NUM!。如果 Deg_freedom1 或 Deg_freedom2 不是整數，則將被截尾取整。如果 Deg_freedom1 < 1 或 Deg_freedom2 < 1，則 F.INV.RT 返回錯誤值 #NUM!。如果 Deg_freedom2 < 1 或 Deg_freedom2 ≥ 10^10，則 F.INV.RT 返回錯誤值 #NUM!。

F.INV.RT 可用于返回 F 分布的臨界值。例如，ANOVA 計算的結果常常包括 F 統(tǒng)計值、F 概率和顯著水平參數為 0.05 的 F 臨界值數據。若要返回 F 的臨界值，請將顯著水平參數用作為 F.INV.RT 的 probability 參數。

如果已給定概率值，則 F.INV.RT 使用 F.DIST.RT(x,deg_freedom1,deg_freedom2)=probability 求解數值 x。因此，F.INV.RT 的精度取決于 F.DIST.RT 的精度 F.INV.RT 使用迭代搜索技術。如果搜索在 64 次迭代之后沒有收斂，則函數返回錯誤值 #N/A。

案例

F.TEST 函數

描述

返回 F 檢驗的結果，即當 array1 和 array2 的方差無明顯差異時的雙尾概率。

使用此函數可確定兩個案例是否有不同的方差。例如，給定公立和私立學校的測驗分數，可以檢驗各學校間測驗分數的差別程度。

用法

F.TEST(array1,array2)

F.TEST 函數用法具有下列參數：

Array1必需。第一個數組或數據區(qū)域。Array2必需。第二個數組或數據區(qū)域。

備注

參數可以是數字，或者是包含數字的名稱、數組或引用。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果 array1 或 array2 中數據點的個數少于 2 個，或者 array1 或 array2 的方差為零，則 F.TEST 返回錯誤值 #p/0!。

案例

FISHER 函數

描述

返回 x 的 Fisher 變換值。該變換生成一個正態(tài)分布而非偏斜的函數。使用此函數可以完成相關系數的假設檢驗。

用法

FISHER(x)

FISHER 函數用法具有下列參數：

X必需。要對其進行變換的數值。

備注

如果 x 為非數值型，則 FISHER 返回錯誤值 #VALUE!。如果 x ≤ -1 或 x ≥ 1，則 FISHER 返回錯誤值 #NUM!。Fisher 變換的公式為：

案例

FISHERINV 函數

描述

返回 Fisher 逆變換值。使用該變換可以分析數據區(qū)域或數組之間的相關性。如果 y = FISHER(x)，則 FISHERINV(y) = x。

用法

FISHERINV(y)

FISHERINV 函數用法具有下列參數：

Y必需。要對其進行逆變換的數值。

備注

如果 y 為非數值型，則 FISHERINV 返回錯誤值 #VALUE!。Fisher 逆變換的公式為：

案例

FORECAST 函數

描述

根據現有值計算或預測未來值。預測值為給定 x 值后求得的 y 值。已知值為現有的 x 值和 y 值，并通過線性回歸來預測新值?？梢允褂迷摵瘮祦眍A測未來銷售、庫存需求或消費趨勢等。

用法

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

FORECAST 函數用法具有下列參數：

X必需。需要進行值預測的數據點。Known_y's必需。相關數組或數據區(qū)域。Known_x's必需。獨立數組或數據區(qū)域。

備注

如果 x 為非數值型，則 FORECAST 返回錯誤值 #VALUE!。如果 known_y's 和 known_x's 為空或含有不同個數的數據點，函數 FORECAST 返回錯誤值 #N/A。如果 known_x's 的方差為零，則 FORECAST 返回錯誤值 #p/0!。函數 FORECAST 的計算公式為 a+bx，式中：

且：

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

案例

FORECAST.ETS 函數

描述

計算指數平滑( ets )算法的使用" AAA 版本或基于現有值(歷史)預測未來值。預測值是指定的目標日期，應為時間線的延續(xù)標記中的歷史值的延續(xù)標記?？梢允褂么撕瘮祦眍A測未來銷售額、庫存需求或消費趨勢。

此函數需要時間線與不同點間常量步驟進行組織。例如，每月、每年的時間線或數值的日程表的1日的值可能是一個月的時間線的索引。對于此類型的時間線，它與之前的詳細數據應用聚合原始非常有用的預測，生成更加精確的預測和結果。

用法

預測. ets ( target_date "、"值"、"時間線",[ seasonality ]、[ data_completion ],[匯總])

FORECAST.ETS 函數用法具有以下參數：

target_date必需。要為其預測值的數據點。目標日期可以是日期/時間或數值。如果目標日期按時間前后排列處于歷史時間線結束之前，則 FORECAST.ETS 將返回 #NUM! 錯誤。值必需。值是"歷史值，您要為其預測下一點。時間線必需。獨立數組或數值數據區(qū)域。時間線中的日期之間必須有一致步長且不能為零。無需對時間線進行排序，因為 FORECAST.ETS 會對其進行隱式排序，以進行計算。如果無法在提供的時間線中識別一致步長，則 Forecast.ETS 將返回 #NUM! 錯誤。如果時間線包含重復值，則 Forecast.ETS 將返回 #VALUE! 錯誤。如果時間線和值的范圍大小不同，則 Forecast.ETS 將返回 #N/A 錯誤。季節(jié)性可選。一個數值。默認值為 1，意味著 Excel 自動檢測季節(jié)性進行預測，并使用正整數作為季節(jié)性模式的長度。 0 表示無季節(jié)性，意味著預測為線性預測。正整數指示算法使用此長度模式作為季節(jié)性。對于其他任何值，FORECAST.ETS 將返回 #NUM! 錯誤。

最大支持 seasonality 是8,760（一年中的小時數）。該數字上方的任何 seasonality 將導致"# NUM ! 錯誤。

數據完成可選。雖然時間線需要數據點之間的一致步長，但 FORECAST.ETS 支持最多...

上次給大家分享了《2018年最全的excel函數大全14—統(tǒng)計函數（8）》，這次分享給大家統(tǒng)計函數（9）。

STDEVPA 函數

描述

根據作為參數（包括文字和邏輯值）給定的整個總體計算標準偏差。 標準偏差可以測量值在平均值（中值）附近分布的范圍大小。

用法

STDEVPA(value1, [value2], ...)

STDEVPA 函數用法具有下列參數：

Value1, value2, ...Value1 是必需的，后續(xù)值是可選的。 對應于總體的 1 到 255 個值。 也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。

備注

STDEVPA 假定其參數是整個總體。 如果數據代表總體樣本，則必須使用 STDEVA 計算標準偏差。對于規(guī)模很大的樣本，STDEVA 和 STDEVPA 返回近似值。此處標準偏差的計算使用“n”方法。參數可以是下列形式：數值；包含數值的名稱、數組或引用；數字的文本表示；或者引用中的邏輯值，例如 TRUE 和 FALSE。直接鍵入到參數列表中代表數字的文本被計算在內。包含 TRUE 的參數作為 1 來計算；包含文本或 FALSE 的參數作為 0（零）來計算。如果參數為數組或引用，則只使用其中的數值。 數組或引用中的空白單元格和文本值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算不包括引用中的邏輯值和代表數字的文本，請使用 STDEVP 函數。STDEVPA 使用下面的公式：

其中 x 是樣本平均值 AVERAGE(value1,value2,…) 且 n 是樣本大小。

案例

STEYX 函數

描述

返回通過線性回歸法預測每個 x 的 y 值時所產生的標準誤差。 標準誤差是在針對單獨 x 預測 y 時的錯誤量的一個度量值。

用法

STEYX(known_y's, known_x's)

STEYX 函數用法具有下列參數：

Known_y's必需。 因變量數據點數組或區(qū)域。Known_x's必需。 自變量數據點數組或區(qū)域。

備注

參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果 known_y's 和 known_x's 的數據點個數不同，函數 STEYX 返回錯誤值 #N/A。如果 known_y's 和 known_x's 為空或其數據點個數小于三，則 STEYX 返回錯誤值 #p/0!。預測值 y 的標準誤差計算公式如下：

其中 x 和 y 是樣本平均值 AVERAGE(known_x's) 和 AVERAGE(known_y's)，且 n 是樣本大小。

案例

T.DIST 函數

描述

返回學生的左尾 t 分布。 t 分布用于小型樣本數據集的假設檢驗。 可以使用該函數代替 t 分布的臨界值表。

用法

T.DIST(x,deg_freedom, cumulative)

T.DIST 函數用法具有以下參數：

X必需。 需要計算分布的數值。Deg_freedom必需。 一個表示自由度數的整數。cumulative必需。 決定函數形式的邏輯值。 如果 cumulative 為 TRUE，則 T.DIST 返回累積分布函數；如果為 FALSE，則返回概率密度函數。

備注

如果任一參數是非數值的，則 T.DIST 返回 錯誤值 #VALUE!。如果 deg_freedom 1，則 T.DIST 返回一個錯誤值。 Deg_freedom 不得小于 1。

案例

T.DIST.2T 函數

描述

返回學生的雙尾 t 分布。

學生的 t 分布用于小樣本數據集的假設檢驗。 可以使用該函數代替 t 分布的臨界值表。

用法

T.DIST.2T(x,deg_freedom)

T.DIST.2T 函數用法具有以下參數：

X必需。 需要計算分布的數值。Deg_freedom必需。 一個表示自由度數的整數。

備注

如果任一參數是非數值的，則 T.DIST.2T 返回 錯誤值 #VALUE!。如果 deg_freedom 1，則 T.DIST.2T 返回 錯誤值 #NUM!。如果 x 0，則 T.DIST.2T 返回 錯誤值 #NUM!。

案例

T.DIST.RT 函數

描述

返回學生的右尾 t 分布。

t 分布用于小型樣本數據集的假設檢驗。 可以使用該函數代替 t 分布的臨界值表。

用法

T.DIST.RT(x,deg_freedom)

T.DIST.RT 函數用法具有以下參數：

X必需。 需要計算分布的數值。Deg_freedom必需。 一個表示自由度數的整數。

備注

如果任一參數是非數值的，則 T.DIST.RT 返回 錯誤值 #VALUE!。如果 deg_freedom 1，則 T.DIST.RT 返回 錯誤值 #NUM!。

案例

T.TEST 函數

描述

返回與學生 t-檢驗相關的概率。 使用函數 T.TEST 確定兩個樣本是否可能來自兩個具有相同平均值的基礎總體。

用法

T.TEST(array1,array2,tails,type)

T.TEST 函數用法具有下列參數：

Array1必需。 第一個數據集。Array2必需。 第二個數據集。tails必需。 指定分布尾數。 如果 tails = 1，則 T.TEST 使用單尾分布。 如果 tails = 2，則 T.TEST 使用雙尾分布。Type必需。 要執(zhí)行的 t 檢驗的類型。

參數

備注

如果 array1 和 array2 的數據點個數不同，且 type = 1（成對），則 T.TEST 返回錯誤值 #N/A。參數 tails 和 type 將被截尾取整。如果 tails 或 type 是非數值的，則 T.TEST 返回 錯誤值 #VALUE!。如果 tails 是除 1 或 2 之外的任何值，則 T.TEST 返回 錯誤值 #NUM!。T.TEST 使用 array1 和 array2 中的數據計算非負 t 統(tǒng)計值。 如果 tails=1，在假設 array1 和 array2 是具有相同平均值的總體中的樣本的情況下，T.TEST 返回較高 t 統(tǒng)計值的概率。 tails=2 時，T.TEST 返回的值是 tails=1 時返回值的兩倍，并對應假設“總體平均值相同”時較高的 t 統(tǒng)計絕對值的概率。

案例

TREND 函數

描述

返回線性趨勢值。 找到適合已知數組 known_y's 和 known_x's 的直線（用最小二乘法）。 返回指定數組 new_x's 在直線上對應的 y 值。

用法

TREND(known_y's, [known_x's], [new_x's], [const])

TREND 函數用法具有下列參數：

Known_y's必需。 關系表達式 y = mx + b 中已知的 y 值集合。如果數組 known_y's 在單獨一列中，則 known_x's 的每一列被視為一個獨立的變量。如果數組 known_y's 在單獨一行中，則 known_x's 的每一行被視為一個獨立的變量。Known_x's必需。 關系表達式 y = mx + b 中已知的可選 x 值集合。數組 known_x's 可以包含一組或多組變量。 如果僅使用一個變量，那么只要 known_x's 和 known_y's 具有相同的維數，則它們可以是任何形狀的區(qū)域。 如果用到多個變量，則 known_y's 必須為向量（即必須為一行或一列）。如果省略 known_x's，則假設該數組為 {1,2,3,...}，其大小與 known_y's 相同。New_x's必需。 需要函數 TREND 返回對應 y 值的新 x 值。New_x's 與 known_x's 一樣，對每個自變量必須包括單獨的一列（或一行）。 因此，如果 known_y's 是單列的，known_x's 和 new_x's 應該有同樣的列數。 如果 known_y's 是單行的，known_x's 和 new_x's 應該有同樣的行數。如果省略 new_x's，將假設它和 known_x's 一樣。如果 known_x's 和 new_x's 都省略，將假設它們?yōu)閿到M {1,2,3,...}，大小與 known_y's 相同。Const可選。 一個邏輯值，用于指定是否將常量 b 強制設為 0。如果 const 為 TRUE 或省略，b 將按正常計算。如果 const 為 FALSE，b 將被設為 0（零），m 將被調整以使 y = mx。

備注

有關 Microsoft Excel 對數據進行直線擬合的詳細信息，請參閱 LINEST 函數?？梢允褂?TREND 函數計算同一變量的不同乘方的回歸值來擬合多項式曲線。 例如，假設 A 列包含 y 值，B 列含有 x 值。 可以在 C 列中輸入 x^2，在 D 列中輸入 x^3，等等，然后根據 A 列，對 B 列到 D 列進行回歸計算。對于返回結果為數組的公式，必須以數組公式的形式輸入。

注意:在 Excel Online 中，不能創(chuàng)建數組公式。

當為參數（如 known_x's）輸入數組常量時，應當使用逗號分隔同一行中的數據，用分號分隔不同行中的數據。

案例

TRIMMEAN 函數

描述

返回數據集的內部平均值。 TRIMMEAN 計算排除數據集頂部和底部尾數中數據點的百分比后取得的平均值。 當您要從分析中排除無關的數據時，可以使用此函數。

用法

TRIMMEAN(array, percent)

TRIMMEAN 函數用法具有下列參數：

Array必需。 需要進行整理并求平均值的數組或數值區(qū)域。百分比必需。 從計算中排除數據點的分數。 例如，如果 percent=0.2，從 20 點 (20 x 0.2) 的數據集中剪裁 4 點：數據集頂部的 2 點和底部的 2 點。

備注

如果 percent 0 或 percent 1，則 TRIMMEAN 返回 錯誤值 #NUM!。函數 TRIMMEAN 將排除的數據點數向下舍入到最接近的 2 的倍數。 如果 percent = 0.1，30 個數據點的 10% 等于 3 個數據點。 為了對稱，TRIMMEAN 排除數據集頂部和底部的單個值。

案例

VAR.P 函數

描述

計算基于整個樣本總體的方差（忽略樣本總體中的邏輯值和文本）。

用法

VAR.P(number1,[number2],...)

VAR.P 函數用法具有下列參數：

Number1必需。對應于總體的第一個數值參數。Number2, ...可選。對應于總體的 2 到 254 個數值參數。

備注

VAR.P 假定其參數是整個總體。如果數據代表總體樣本，請使用 VAR.S 計算方差。參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果參數是一個數組或引用，則只計算其中的數字。數組或引用中的空白單元格、邏輯值、文本或錯誤值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算包含引用中的邏輯值和代表數字的文本，請使用 VARPA 函數。函數 VAR.P 的計算公式如下：

其中 x 為樣本平均值 AVERAGE(number1,number2,…)，n 為樣本大小。

案例

VAR.S 函數

描述

估算基于樣本的方差（忽略樣本中的邏輯值和文本）。

用法

VAR.S(number1,[number2],...)

VAR.S 函數用法具有下列參數：

Number1必需。對應于總體樣本的第一個數值參數。Number2, ...可選。對應于總體樣本的 2 到 254 個數值參數。

備注

函數 VAR.S 假設其參數是樣本總體中的一個樣本。如果數據為整個樣本總體，則應使用函數 VAR.P 來計算方差。參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果參數是一個數組或引用，則只計算其中的數字。數組或引用中的空白單元格、邏輯值、文本或錯誤值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算包含引用中的邏輯值和代表數字的文本，請使用 VARA 函數。函數 VAR.S 的計算公式如下：

其中 x 為樣本平均值 AVERAGE(number1,number2,…)，n 為樣本大小。

案例

VARA 函數

描述

計算基于給定樣本的方差。

用法

VARA(value1, [value2], ...)

VARA 函數用法具有下列參數：

Value1, value2, ...Value1 是必需的，后續(xù)值是可選的。 這些是對應于總體樣本的 1 到 255 個數值參數。

備注

VARA 假定其參數是總體樣本。 如果數據代表的是樣本總體，則必須使用函數 VARPA 來計算方差。參數可以是下列形式：數值；包含數值的名稱、數組或引用；數字的文本表示；或者引用中的邏輯值，例如 TRUE 和 FALSE。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。包含 TRUE 的參數作為 1 來計算；包含文本或 FALSE 的參數作為 0（零）來計算。如果參數為數組或引用，則只使用其中的數值。 數組或引用中的空白單元格和文本值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算不包括引用中的邏輯值和代表數字的文本，請使用 VAR 函數。函數 VARA 的計算公式如下：

其中 x 是樣本平均值 AVERAGE(value1,value2,…) 且 n 是樣本大小。

案例

VARPA 函數

描述

根據整個總體計算方差。

用法

VARPA(value1, [value2], ...)

VARPA 函數用法具有下列參數：

Value1, value2, ...Value1 是必需的，后續(xù)值是可選的。 對應于總體的 1 到 255 個值參數。

備注

VARPA 假定其參數是整個總體。 如果數據代表總體樣本，則必須使用 VARA 計算方差。參數可以是下列形式：數值；包含數值的名稱、數組或引用；數字的文本表示；或者引用中的邏輯值，例如 TRUE 和 FALSE。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。包含 TRUE 的參數作為 1 來計算；包含文本或 FALSE 的參數作為 0（零）來計算。如果參數為數組或引用，則只使用其中的數值。 數組或引用中的空白單元格和文本值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算不包括引用中的邏輯值和代表數字的文本，請使用 VARP 函數。VARPA 的公式為：

其中 x 是樣本平均值 AVERAGE(value1,value2,…) 且 n 是樣本大小。

案例

WEIBULL.DIST 函數

描述

返回 Weibull 分布。 可以將該分布用于可靠性分析，例如計算設備出現故障的平均時間。

用法

WEIBULL.DIST(x,alpha,beta,cumulative)

WEIBULL.DIST 函數用法具有下列參數：

X必需。 用來計算函數的值。Alpha必需。 分布參數。Beta必需。 分布參數。cumulative必需。 確定函數的形式。

備注

如果 x、alpha 或 beta 是非數值的，則 WEIBULL.DIST 返回 錯誤值 #VALUE!。如果 x 0，則 WEIBULL.DIST 返回 錯誤值 #NUM!。如果 alpha ≤ 0 或 beta ≤ 0，則 WEIBULL.DIST 返回 錯誤值 #NUM!。Weibull 累積分布函數的公式為：

Weibull 概率密度函數的公式為：

當 alpha = 1，函數 WEIBULL.DIST 返回指數分布：

案例

Z.TEST 函數

在我們的工作和生活中，都會用到office等辦公軟件，其中word、ppt比較簡單的，都很容易上手。但是excel算是比較難的一個，其中excel表格的函數、數據分析、精確統(tǒng)計、作圖更是需要長期實踐才能掌握的。那么有沒有更快速的學習和掌握excel的方法和技巧呢？今天給大家分享excel最全套的模板，更著模板學習，必定會起到事半功倍的效果，其中的一些模板也是生活和工作中很常用的模板，都可以直接拿來使用。

這些模板都是是我這幾年精心收藏的，今天分享給大家

【最全的Excel函數技巧】

【最全的Excel常用模板】

【最全的Excel表格數據圖形分析】

excel技巧

只有私信才能給大家，需要的請轉發(fā)加評論后并私信我，回復關鍵詞 "下載” 就會出來下載鏈接，直接下載即可，希望對大家有幫助，也希望您能多多點贊，后續(xù)還會分享更多高價值的資料，請留意關注

上次給大家分享了《2018年最全的excel函數大全14—統(tǒng)計函數（7）》，這次分享給大家統(tǒng)計函數（8）。

RANK.AVG 函數

描述

返回一列數字的數字排位：數字的排位是其大小與列表中其他值的比值；如果多個值具有相同的排位，則將返回平均排位。

用法

RANK.AVG(number,ref,[order])

RANK.AVG 函數用法具有下列參數：

Number必需。 要找到其排位的數字。Ref必需。 數字列表的數組，對數字列表的引用。 Ref 中的非數字值會被忽略。Order可選。 一個指定數字排位方式的數字。

備注

如果 Order 為 0（零）或省略，Excel 對數字的排位是基于 ref 為按降序排列的列表。如果 Order 不為零，Excel 對數字的排位是基于 ref 為按升序排列的列表。

案例

RANK.EQ 函數

描述

返回一列數字的數字排位。 其大小與列表中其他值相關；如果多個值具有相同的排位，則返回該組值的最高排位。

如果要對列表進行排序，則數字排位可作為其位置。

用法

RANK.EQ(number,ref,[order])

RANK.EQ 函數用法具有下列參數：

Number必需。 要找到其排位的數字。Ref必需。 數字列表的數組，對數字列表的引用。 Ref 中的非數字值會被忽略。Order可選。 一個指定數字排位方式的數字。

備注

如果 Order 為 0（零）或省略，Excel 對數字的排位是基于 Ref 為按降序排列的列表。如果 Order 不為零， Excel 對數字的排位是基于 Ref 為按照升序排列的列表。RANK.EQ 賦予重復數相同的排位。 但重復數的存在將影響后續(xù)數值的排位。 例如，在按升序排序的整數列表中，如果數字 10 出現兩次，且其排位為 5，則 11 的排位為 7（沒有排位為 6 的數值）。要達到某些目的，可能需要使用將關聯考慮在內的排位定義。 在上一案例中，可能需要將數字 10 的排位修改為 5.5。 這可以通過向 RANK.EQ 返回的值添加以下修正系數來實現。 此修正系數適用于按降序排序（order = 0 或省略）和按升序排序（order = 非零值）計算排位的情況。

關聯排位的修正系數 =[COUNT(ref) + 1 – RANK.EQ(number, ref, 0) – RANK.EQ(number, ref, 1)]/2。

在工作簿中的案例中，RANK.EQ(A3,A2:A6,1) 等于3。 修正系數為 (5 + 1 – 2 – 3)/2 = 0.5，將關聯考慮在內的修訂排位為 3 + 0.5 = 3.5。 如果數字在 ref 中僅出現一次，此修正系數將為 0，因為無需調整 RANK.EQ 以進行關聯。

案例

RSQ 函數

描述

通過 known_y's 和 known_x's 中的數據點返回皮爾生乘積矩相關系數的平方。有關詳細信息，請參閱PEARSON 函數。R 平方值可以解釋為 y 方差可歸于 x 方差的比例。

用法

RSQ(known_y's,known_x's)

RSQ 函數用法具有下列參數：

Known_y's必需。 數組或數據點區(qū)域。Known_x's必需。 數組或數據點區(qū)域。

備注

參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果 known_y's 和 known_x's 為空或其數據點個數不同，函數 RSQ 返回錯誤值 #N/A。如果 known_y's 和 known_x's 只包含 1 個數據點，則 RSQ 返回 錯誤值 #p/0!。皮爾生(Pearson)乘積矩相關系數 r 的計算公式如下：

其中 x 和 y 是樣本平均值 AVERAGE(known_x's) 和 AVERAGE(known_y's)。

RSQ 返回 r2，即相關系數的平方。

案例

SKEW 函數

描述

返回分布的偏斜度。 偏斜度表明分布相對于平均值的不對稱程度。 正偏斜度表明分布的不對稱尾部趨向于更多正值。 負偏斜度表明分布的不對稱尾部趨向于更多負值。

用法

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

SKEW 函數用法具有下列參數：

number1, number2, ...Number1 是必需的，后續(xù)數字是可選的。 用于計算偏斜度的 1 到 255 個參數。 也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。

備注

參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果數據點個數少于三，或者樣本標準偏差為零，則 SKEW 返回 錯誤值 #p/0!。偏斜度公式的定義如下：

案例

SKEW.P 函數

描述

返回基于樣本總體的分布不對稱度：表明分布相對于平均值的不對稱程度。

用法

SKEW.P(number 1, [number 2],…)

SKEW.P 函數用法具有下列參數。

Number 1, number 2,…Number 1 是必選項，后續(xù)數字是可選項。Number 1、number 2、… 等是 1 至 254 個數字，或包含數字的名稱、數組或引用，您要以此函數獲得其樣本總體的分布不對稱度。

SKEW.P 使用下面的公式：

備注

參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零 (0) 值的單元格將計算在內。SKEW.P 使用樣本總體的標準偏差，而非一個樣本。如果參數值無效，SKEW.P 返回錯誤值 #NUM!。如果參數使用的數據類型無效，SKEW.P 返回錯誤值 #VALUE!。如果數據點個數少于三，或者樣本標準偏差為零，SKEW.P 返回錯誤值 #p/0!。

案例

SLOPE 函數

描述

返回通過 known_y's 和 known_x's 中數據點的線性回歸線的斜率。 斜率為垂直距離除以線上任意兩個點之間的水平距離，即回歸線的變化率。

用法

SLOPE(known_y's, known_x's)

SLOPE 函數用法具有下列參數：

Known_y's必需。 數字型因變量數據點數組或單元格區(qū)域。Known_x's必需。 自變量數據點集合。

備注

參數可以是數字，或者是包含數字的名稱、數組或引用。如果數組或引用參數包含文本、邏輯值或空白單元格，則這些值將被忽略；但包含零值的單元格將計算在內。如果 known_y's 和 known_x's 為空或其數據點個數不同，函數 SLOPE 返回錯誤值 #N/A?；貧w直線的斜率計算公式如下：

其中 x 和 y 是樣本平均值 AVERAGE(known_x's) 和 AVERAGE(known_y's)。

SLOPE 和 INTERCEPT 函數中使用的下層算法與 LINEST 函數中使用的下層算法不同。 當數據未定且共線時，這些算法之間的差異會導致不同的結果。 例如，如果參數 known_y's 的數據點為 0，參數 known_x's 的數據點為 1：SLOPE 和 INTERCEPT 返回 錯誤 #p/0!。 SLOPE 和 INTERCEPT 的算法用于只查找一個答案，在這種情況下，還可能會出現多個答案。LINEST 會返回值 0。 LINEST 的算法用來返回共線數據的合理結果，在這種情況下至少可找到一個答案。

案例

SMALL 函數

描述

返回數據集中的第 k 個最小值。 使用此函數以返回在數據集內特定相對位置上的值。

用法

SMALL(array,k)

SMALL 函數用法具有下列參數：

Array必需。 需要找到第 k 個最小值的數組或數值數據區(qū)域。K必需。 要返回的數據在數組或數據區(qū)域里的位置（從小到大）。

備注

如果 array 為空，則 SMALL 返回 錯誤值 #NUM!。如果 k ≤ 0 或 k 超過了數據點個數，則 SMALL 返回 錯誤值 #NUM!。如果 n 為數組中的數據點個數，則 SMALL(array,1) 等于最小值，SMALL(array,n) 等于最大值。

案例

STANDARDIZE 函數

描述

返回由 mean 和 standard_dev 表示的分布的規(guī)范化值。

用法

STANDARDIZE(x, mean, standard_dev)

STANDARDIZE 函數用法具有下列參數：

X必需。 需要進行正態(tài)化的數值。Mean必需。分布的算術平均值。standard_dev必需。分布的標準偏差。

備注

如果 standard_dev ≤ 0，則 STANDARDIZE 返回錯誤值 #NUM!。規(guī)范化值的公式為：

案例

STDEV.P 函數

描述

計算基于以參數形式給出的整個樣本總體的標準偏差（忽略邏輯值和文本）。

標準偏差可以測量值在平均值（中值）附近分布的范圍大小。

用法

STDEV.P(number1,[number2],...)

STDEV.P 函數用法具有下列參數：

Number1必需。對應于總體的第一個數值參數。Number2, ...可選。對應于總體的 2 到 254 個數值參數。也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。

備注

STDEV.P 假定其參數是整個總體。如果數據代表總體樣本，請使用 STDEV 計算標準偏差。對于大樣本容量，函數 STDEV.S 和 STDEV.P 計算結果大致相等。此處標準偏差的計算使用“n”方法。參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果參數是一個數組或引用，則只計算其中的數字。數組或引用中的空白單元格、邏輯值、文本或錯誤值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算包含引用中的邏輯值和代表數字的文本，請使用 STDEVPA 函數。函數 STDEV.P 的計算公式如下：

其中 x 為樣本平均值 AVERAGE(number1,number2,…)，n 為樣本大小。

案例

STDEV.S 函數

描述

基于樣本估算標準偏差（忽略樣本中的邏輯值和文本）。

標準偏差可以測量值在平均值（中值）附近分布的范圍大小。

用法

STDEV.S(number1,[number2],...)

STDEV.S 函數用法具有下列參數：

Number1必需。對應于總體樣本的第一個數值參數。也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。Number2, ...可選。對應于總體樣本的 2 到 254 個數值參數。也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。

備注

STDEV.S 假設其參數是總體樣本。如果數據代表整個總體，請使用 STDEV.P 計算標準偏差。此處標準偏差的計算使用“n-1”方法。參數可以是數字或者是包含數字的名稱、數組或引用。邏輯值和直接鍵入到參數列表中代表數字的文本被計算在內。如果參數是一個數組或引用，則只計算其中的數字。數組或引用中的空白單元格、邏輯值、文本或錯誤值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算包含引用中的邏輯值和代表數字的文本，請使用 STDEVA 函數。函數 STDEV.S 的計算公式如下：

其中 x 為樣本平均值 AVERAGE(number1,number2,…)，n 為樣本大小。

案例

STDEVA 函數

描述

根據樣本估計標準偏差。 標準偏差可以測量值在平均值（中值）附近分布的范圍大小。

用法

STDEVA(value1, [value2], ...)

STDEVA 函數用法具有下列參數：

Value1, value2, ...Value1 是必需的，后續(xù)值是可選的。 對應于總體樣本的 1 到 255 個值。 也可以用單一數組或對某個數組的引用來代替用逗號分隔的參數。

備注

STDEVA 假定其參數是總體樣本。 如果數據代表整個總體，則必須使用 STDEVPA 計算標準偏差。此處標準偏差的計算使用“n-1”方法。參數可以是下列形式：數值；包含數值的名稱、數組或引用；數字的文本表示；或者引用中的邏輯值，例如 TRUE 和 FALSE。包含 TRUE 的參數作為 1 來計算；包含文本或 FALSE 的參數作為 0（零）來計算。如果參數為數組或引用，則只使用其中的數值。 數組或引用中的空白單元格和文本值將被忽略。如果參數為錯誤值或為不能轉換為數字的文本，將會導致錯誤。如果要使計算不包括引用中的邏輯值和代表數字的文本，請使用 STDEV 函數。STDEVA 使用下面的公式：

其中 x 是樣本平均值 AVERAGE(value1,value2,…) 且 n 是樣本大小。

案例

以上是所有EXCEL的統(tǒng)計函數（8）描述用法以及使用案例。這次分享中存在哪些疑問或者哪些不足，可以在下面進行評論。如果覺得不錯，可以分享給你的朋友，讓大家一起掌握這些excel的統(tǒng)計函數（8）。

上次給大家分享了《2018年最全的excel函數大全14—統(tǒng)計函數（6）》，這次分享給大家統(tǒng)計函數（7）。

PERCENTRANK.INC 函數

描述

將某個數值在數據集中的排位作為數據集的百分比值返回，此處的百分比值的范圍為 0 到 1（含 0 和 1）。

此函數可用于計算值在數據集內的相對位置。 例如，可以使用 PERCENTRANK.INC 計算能力測試得分在所有測試得分中的位置。

用法

PERCENTRANK.INC(array,x,[significance])

PERCENTRANK.INC 函數用法具有下列參數：

Array必需。 定義相對位置的數值數組或數值數據區(qū)域。X必需。 需要得到其排位的值。significance可選。 用于標識返回的百分比值的有效位數的值。 如果省略，則 PERCENTRANK.INC 使用 3 位小數 (0.xxx)。

備注

如果數組為空，則 PERCENTRANK.INC 返回 錯誤值 #NUM!。如果 significance 1，則 PERCENTRANK.INC 返回 錯誤值 #NUM!。如果數組里沒有與 x 相匹配的值，函數 PERCENTRANK.INC 將進行插值以返回正確的百分比排位。

案例

PERMUT 函數

描述

返回可從數字對象中選擇的給定數目對象的排列數。 排列為對象或事件的任意集合或子集，內部順序很重要。 排列與組合不同，組合的內部順序并不重要。 此函數可用于彩票抽獎的概率計算。

用法

PERMUT(number, number_chosen)

PERMUT 函數用法具有下列參數：

Number必需。 表示對象個數的整數。Number_chosen必需。 表示每個排列中對象個數的整數。

備注

兩個參數將被截尾取整。如果 number 或 number_chosen 是非數值的，則 PERMUT 返回 錯誤值 #VALUE!。如果 number ≤ 0 或 number_chosen 0，則 PERMUT 返回 錯誤值 #NUM!。如果 number number_chosen，則 PERMUT 返回 錯誤值 #NUM!。排列數的計算公式如下：

案例

PERMUTATIONA 函數

描述

返回可從對象總數中選擇的給定數目對象（含重復）的排列數。

用法

PERMUTATIONA(number, number-chosen)

PERMUTATIONA 函數用法具有下列參數。

Number 必需。表示對象總數的整數。Number_chosen 必需。 表示每個排列中對象數目的整數。

PERMUTATIONA 使用下面的公式：

備注

兩個參數將被截尾取整。如果數字參數值無效，例如，當總數為零 (0) 但所選數目大于零 (0)，則 PERMUTATIONA 返回錯誤值 #NUM! 。如果數字參數使用的是非數值數據類型，則 PERMUTATIONA 返回錯誤值 #VALUE! 。

案例

PHI 函數

描述

返回標準正態(tài)分布的密度函數值。

用法

PHI(x)

PHI 函數用法具有下列參數。

X 必需。 X 是所需的標準正態(tài)分布密度值。

備注

如果 x 是無效的數值，則 PHI 返回錯誤值 #NUM! 。如果 x 使用的是無效的數據類型，如非數值，則 PHI 返回錯誤值 #VALUE! 。

案例

POISSON.DIST 函數

描述

返回泊松分布。 泊松分布的一個常見應用是預測特定時間內的事件數，例如 1 分鐘內到達收費停車場的汽車數。

用法

POISSON.DIST(x,mean,cumulative)

POISSON.DIST 函數用法具有下列參數：

X必需。 事件數。Mean必需。 期望值。cumulative必需。 一邏輯值，確定所返回的概率分布的形式。 如果 cumulative 為 TRUE，則 POISSON.DIST 返回發(fā)生的隨機事件數在零（含零）和 x（含 x）之間的累積泊松概率；如果為 FALSE，則 POISSON 返回發(fā)生的事件數正好是 x 的泊松概率密度函數。

備注

如果 x 不是整數，將被截尾取整。如果 x 或 mean 是非數值的，則 POISSON.DIST 返回 錯誤值 #VALUE!。如果 x 0，則 POISSON.DIST 返回 錯誤值 #NUM!。如果 mean 0，則 POISSON.DIST 返回 錯誤值 #NUM!。函數 POISSON.DIST 的計算公式如下：

對于 cumulative = FALSE：

對于 cumulative = TRUE：

案例

PROB 函數

描述

返回區(qū)域中的數值落在指定區(qū)間內的概率。 如果未提供 upper_limit，則返回 x_range 中的值等于 lower_limit 的概率。

用法

PROB(x_range, prob_range, [lower_limit], [upper_limit])

PROB 函數用法具有下列參數：

X_range必需。 具有各自相應概率值的 x 數值區(qū)域。Prob_range必需。 與 x_range 中的值相關聯的一組概率值。Lower_limit可選。 要計算其概率的數值下界。Upper_limit可選。 要計算其概率的可選數值上界。

備注

如果 prob_range 中的任意值 ≤ 0 或 1，則 PROB 返回 錯誤值 #NUM!。如果 prob_range 中所有值之和不等于 1，則 PROB 返回 錯誤值 #NUM!。如果省略 upper_limit，函數 PROB 返回值等于 lower_limit 時的概率。如果 x_range 和 prob_range 中的數據點個數不同，函數 PROB 返回錯誤值 #N/A。

案例

QUARTILE.EXC 函數

描述

基于 0 到 1 之間（不包括 0 和 1）的百分點值返回數據集的四分位數。

用法

QUARTILE.EXC(array,quart)

QUARTILE.EXC 函數用法具有下列參數：

Array必需。 要求得四分位數值的數組或數字型單元格區(qū)域。Quart必需。 指定返回哪一個值。

備注

如果 array 為空，則 QUARTILE.EXC 返回 錯誤值 #NUM!。如果 quart 不為整數，將被截尾取整。如果 quart ≤ 0 或 quart ≥ 4，則 QUARTILE.EXC 返回 錯誤值 #NUM!。當 quart 分別等于 0（零）、2 和 4 時，MIN、MEDIAN 和 MAX 返回的值與函數 QUARTILE.EXC 返回的值相同。

案例

QUARTILE.INC 函數

描述

根據 0 到 1 之間的百分點值（包含 0 和 1）返回數據集的四分位數。

四分位點通常用于銷售和調查數據，以對總體進行分組。 例如，您可以使用 QUARTILE.INC 查找總體中前 25% 的收入值。

用法

QUARTILE.INC(array,quart)

QUARTILE.INC 函數用法具有下列參數：

Array必需。 要求得四分位數值的數組或數字型單元格區(qū)域。Quart必需。 指定返回哪一個值。

參數

備注

如果 array 為空，則 QUARTILE.INC 返回 錯誤值 #NUM!。如果 quart 不為整數，將被截尾取整。如果 quart 0 或 quart 4，則 QUARTILE.INC 返回 錯誤值 #NUM!。當 quart 分別等于 0（零）、2 和 4 時，函數 MIN、MEDIAN 和 MAX 返回的值與函數 QUARTILE.INC 返回的值相同。

案例

以上是所有EXCEL的統(tǒng)計函數（7）描述用法以及使用案例。這次分享中存在哪些疑問或者哪些不足，可以在下面進行評論。如果覺得不錯，可以分享給你的朋友，讓大家一起掌握這些excel的統(tǒng)計函數（7）。

Excel作為數據處理及數據可視化神器，讓數據美觀、篩選、可視是Excel制作的基礎功能之一，本周的技能知識，尋老師教大家一分鐘設計一個美觀且實用的Excel。

◤準備條件

一個Excel2010及之上版本打開的Excel工作表，本例為Excel2010演示，如下圖，很基礎的沒有任何美觀效果，也一點也不實用的數據工作表。

接下來我們用一分鐘讓它變的美觀且實用。

◤Step1：統(tǒng)一字體、字號、行高，手動設置列寬

為了方便，這里我們將字體設置為微軟雅黑，字號11，行高18（在開始選項卡—單元格組—格式命令里設置行高），列寬根據數據類型不同手動調整。

◤Step2：套用表格格式

套用表格格式的功能是將整個表格統(tǒng)一樣式，并轉換成表格區(qū)域，注意：正常Excel里的區(qū)域是普通數據區(qū)域）。

選擇整個數據區(qū)域，在開始選項卡——樣式組——套用表格格式，選擇一個格式即可，套用時候，會提示是否包含標題，要勾選，否則給數據多增加一行。

◤Step3：插入切片器。

切片器可以直觀篩選數據，方便對復雜數據進行可視化。選擇整個數據區(qū)域，在插入選項卡—篩選器組，選擇切片器。切片器字段里可以選擇你要篩選標題，比如如果需要根據性別篩選男女，則需要勾選性別，如果需要根據年齡篩選，則需要勾選年齡，當然也可以多個勾選，這里我們只勾選類型。

◤Step4：設置切片器位置、樣式

一般情況下，我們是把切片器放在數據區(qū)域的下側或者左側，我們先選擇整個數據往右移動，把A列空出，然后把A列適當加大列寬，包括調整下因為數據移動導致的其他列寬的變化。然后把切片器移動到A列，調整大小，并設置下外觀樣式。

◤Step5：數據檢驗

點擊切片器里的字段，數據即可實現相應篩選，點擊切片器左上角的X，數據即可取消全部篩選。

Step7：高級美觀

如果你覺得不滿意，當然也可以進一步進行設計，比如下圖，將整個表格區(qū)域邊框線取消，將數據區(qū)域設置淺灰色低溫，在設置切片器樣式的時候新建切片器樣式自己定義切片器背景、字體和邊框，然后在整個區(qū)域表格上方增加了一標題，如下圖（過程較為繁瑣，動圖太大無法插入微信文章，只能以靜圖展示）

說一下常見注意事項：

Excel版本需要是2010及以上

切片器只有套用表格格式后才有

下面為各種產品1~9月份的出口數據。由于數據太多，很難看出每個產品一年來的數量變化情況。

我們可以借助2個excel工具，表格馬上變得直觀起來。（2010以前版本無法使用）

條件格式的色階

根據顏色深淺，可以很清晰的看出某種產品在一年中的出口變化情況。

制作演示：

迷你圖

同樣，通過在單元格中添加微型折線圖，同樣可以看出每一種產品在一年中的出口變化情況。

制作演示：

這兩個Excel小技巧適合數據分析新手，很簡單的操作就能讓表格變得漂亮且實用，領導看了肯定以為你用了多么多么高深的功能。所以同學們一定要學會，有機會在領導面前露一手。

這里有

全國各個省份的AICPA學習交流群

還有備考群、留學群、福利群....

“所有人，都不知道，我月薪20萬?！?/p>

2018年各大城市人才遭“瘋搶”：最高300萬補貼，你的學歷和證書值多少錢？

任正非苦心勸誡90后：那些“待遇很好”的創(chuàng)業(yè)公司，千萬不要碰

馬伊琍怒懟考生“你的鼻子整得疼嗎”：格局有多大，氣場就有多大

USCPA重磅消息！關島考試中心地點變更通知（文末福利）

歡迎來到：德勤的富士康工廠

47歲馬化騰2950億登頂華人首富：決定人生高度的，不是智力，而是體力

在利用AutoCAD2018繪圖時，往往需要插入材料明細表等各種表格，有些表格甚至很復雜，如果在AutoCAD里編輯，會感覺很麻煩，效率很低。如果我們將這些表格在EXCELL中編輯好，然后插入到AutoCAD中，這樣會極大的提高工作效率。本文以AutoCAD2018為例，分享AutoCAD2018插入Excel表格的過程：

一、準備一個Excel表格。

二、打開AutoCAD2018軟件。

三、點插入表格命令，如下圖所示：

四、打開插入表格對話框。

五、點選“自動數據鏈接”按鈕，并找到剛才創(chuàng)建的Excel表格。

六、點“確定”后將表格插入CAD文檔中。

七、當我們對Excel表格的內容進行修改時，AutoCAD2018會提示我們數據鏈接已更改。我們可以點“使用數據鏈接更新表格”。

八、這樣，CAD文件中的表格也相應更新了。

馬上就要2018年了，最近有很多的商家找我要關于2018年的年度規(guī)劃表格，其實，每個人的店鋪基本上都有自己的特性，別人的計劃不一定適合你的，所以我基本上也不會給別人自己的年度計劃，因為很容易誤導對方，在我的新書《玩賺淘寶數據分析》中我寫了這個內容，可是這本書目前還在出版社審核，要明年才能正式出版，為了讓解大家燃眉之急，特意從書中摘抄一小段供參加參考如何去做2018年的 年度規(guī)劃

我做了六年的淘寶運營工作，發(fā)現了很多的商家在做淘寶的時候從來都沒有去考慮過年銷售的規(guī)劃，他們每天都到處在想著怎么去弄到流量，怎么去研究最新的獲取流量的方法，怎樣找到黑車或者黑搜索的淘寶系統(tǒng)漏洞等等。隨心所欲，隨機而動

其實，如果沒有做全店的年銷售額規(guī)劃，就好比你在大海中沒有方向的劃船，你雖然用盡了所有的力氣在劃，但是，你可能永遠都到達不了你想要的目的，甚至你可能會在陰溝里翻了船把自己淹死。

沒有規(guī)劃，你就會像無頭蒼蠅一樣的胡亂行動，你永遠都是在明天重復今天的事情，明年重復今年的事情，所有的事情都不在自己的掌控之中。 你有一種聽天由命的感覺，所以你總會感覺做淘寶有時候就是完全靠運氣，能不能起來就看運氣夠不夠，運氣夠了自然就起來，運氣不夠就起不來。

無規(guī)劃的人生就像隨波逐流的船，這樣今日不知明日事的漂泊其實只會讓你非常的累和沒有效果。因此，我們做淘寶是必須要做好規(guī)劃。這一節(jié)，我們以年銷售額來案例來規(guī)劃一個店鋪應該如何的去做好規(guī)劃，讓我們有方向的行動。

我們要做全店的銷售計劃，首先我們腦中要有一個框架圖，就是我們需要做哪些東西的規(guī)劃，這個是沒有固定的，根據你的目的來決定，例如，最常見的銷售規(guī)劃可能都會包含，銷售，成本，利潤這三個大的方面。而在我們淘寶的銷售額中，可能又會包含所需UV，平均轉化率，平均客單價，日均銷量，日均流量等小的方面，成本可能又會包含推廣費用，人員開支，辦公成本，物流費用等多個小的方面

因此我們就以這三個大的方面和多個小的方面來構建一個框架圖，如下圖所示，根據你的目的在Excel中構建你的規(guī)劃圖。

當我們把大概的思維規(guī)劃圖繪制出來之后，我們需要的就是完善這個表格中的空白地區(qū)的數據。要把每一個數據都填寫進去。

我們先從銷售額開始。我們應該如何去規(guī)劃1-12月份的銷售額？這是需要我們預估的，但是預估我們不能一拍腦袋就決定，不能心里想著要做到多少銷售額就填寫多少銷售額，這個需要根據實際情況和規(guī)律去預測和評估。當然，這個預估的方法是有很多的，不同的情況下使用的方法不一樣，但是最常見的可能就是根據歷史數據來預估。

例如，我們現在要做2018年的銷售額規(guī)劃，那么我們就可以根據2016年和2017年的歷史數據來預估2018的數據。

2016年和2017年是過去年，這個是有實際銷售額數據的，你可以在生意參謀或者生e經調取這個數據，現在我們要預測2018年的銷售額，我們只需要掌握同比增長率和環(huán)比增長率這個概念就可以了。

環(huán)比增長率=（本期的某個指標的值-上一期這個指標的值）/上一期這個指標的值*100%。

例如，2017年1月份銷售額的環(huán)比增長率=（2017年1月份的銷售額-2016年12月份的銷售）/2016年12月份的銷售額

2017年2月份的環(huán)比增長率=（2017年2月份的銷售額-2017年1月份的銷售）/2017年1月份的銷售額

…………

以此類推

同比增長率=（當年的指標值-去年同期的值）÷去年同期的值*100%

例如，2017年1月份銷售額的同比增長率=（2017年1月份的銷售額-2016年1月份的銷售額）/2016年1月份的銷售額

2017年2月份銷售額的同比增長率=（2017年2月份的銷售額-2016年2月份的銷售額）/2016年2月份的銷售額

…………

以此類推

當我們知道了2017年的環(huán)比增長率和同比增長率的時候，我們就可以根據17年的環(huán)比增長率和同比增長率去推算和預估2018年的預估銷售額。我們可以假設2018年的同比增長率以及環(huán)比增長率和2017年的同比增長率和環(huán)比增長率相同，然后根據這個假設的結構去預估推算2018年的銷售額。

根據環(huán)比增長率去推算2018年的預估銷售額：本期的數據=上一期的數據*環(huán)比增長率+上一期的數據

2018年1月份的預估銷售額=2017年12月份的銷售*2017年1月份的環(huán)比增長率+2017年12月份的銷售額

2018年2月份的預估銷售額=2017年2月份的銷售*2017年2月份的環(huán)比增長率+2018年1月份的銷售額

…………

以此類推

根據同比增長率去推算2018年的預估銷售額：本期的數據=去年同期的值*同比增長率+去年同期的值

2018年1月份的預估銷售額=2017年1月份的銷售額*2017年1月份的同比增長率+2017年1月份的銷售額

2018年2月份的預估銷售額=2017年2月份的銷售額*2017年2月份的同比增長率+2017年2月份的銷售額

…………

以此類推

這樣，我們2018年1-12月份的預估銷售額就大概算出來了，但是這個算的是兩個結果，因為一個是根據同比計算的，一個是根據環(huán)比計算的，那么我們到底該取哪個值呢？

這個時候要根據實際情況來決定，如果你覺得未來更加的符合環(huán)比計算的結果，那么你就可以選擇環(huán)比計算結果，如果你覺得未來更加的符合同比計算的結果，那么你就可以選擇同比計算的結果，如果這兩個結果差距不是很大，那么你也可以取這兩個值的平均值，具體要根據實際情況去參考，記住，我們做數據分析是要建立實際情況下的，脫離了實際情況，一切數據都失去了參考價值和依據。

把銷售額預估填完之后，我們接下來就要填寫所需uv，也就是說，要做到這個預估的銷售額，我們需要多少訪客數。

根據銷售額=訪客數*轉化率*客單價，可以得出訪客數=銷售額/（轉化率*客單價）

所以現在我們只需要知道轉化率和客單價就可以知道了所需訪客數是多少了，而正好我們也需要知道平均訪客數和平均客單價是多少。要知道每一個月的平均轉化率和平均客單價很簡單，我們同樣的可以參考2016年和2017年對應的月份的平均轉化率和客單價，例如2016年1月份的轉化率是1.5%，2017年1月份的轉化率是1.8%，那么我們就可以假設2018年的轉化率1.65%

當然，這里也是要根據實際情況去參考的，例如，我們2016年的轉化率是1.5%，但是2017年的轉化率是3%，當出現這種差別很大的情況的時候，我們就要先分析原因，我們要分析為什么2017年的轉化率會高這么多，然后判定哪一個更加的接近平均值，我們就可以根據這個進行調整，假設我們2017年轉化率3%是因為這一年我們的客單價比2016年低了很多，所以導致了轉化率高了很多，這個時候，我們就要去分析2018年我們要做的客單價的是更加的接近2016年還是更加的接近2017年，然后根據這個結果去進行調整。

總之，你只需要做到一點，既要參考過去的歷史數據，也要參考實際情況。

當我們根據過去的歷史數據和實際情況預估了2018年的轉化率和客單價之后，我們也就可以根據訪客數=銷售額/（轉化率*客單價）這個公式計算出所需uv。

接下來我們只需要計算日均流量和日均銷量即可。

日均流量很簡單，我們已經計算出了每一個月所需的uv，那么把它除以每一個月的天數即可得出日均流量，1，3，5，7，8，10，,12這七個月除以31天，2月份除以28或者29天，其他的月份除以30天即可得出每一個月的日均所需流量。

日均銷量也很簡單，它就等于把每一個月的銷量除以每一個月的天數，雖然我們這里沒直接計算每一個月所需的銷量，但是我們已經知道了每一個的預估銷售額，而銷售額=銷量*客單價，所以每一個月的銷量=銷售額/客單價，所以日均銷量=銷售額/客單價/30天。

這樣，銷售額的數據就已經完善了，我們還需要完善費用。

知道了平均毛利潤率之后，我們自然也就知道了總毛利額，即：總毛利額=總銷售額*平均毛利潤率

我們知道毛利潤額，知道費用了，自然我們也就知道了凈利潤額，即：凈利潤額=總毛利額-推廣費用-人員開支-物流費用-辦公費用-其他成本。

接下來我們還需要把表格最上面的年度目標銷售，總盈利 ，總投入，投資回報率，毛利率，凈利潤率這幾個指標用公式完成。

年度目標銷售額=SUM(E5:P5)，也就是說每一個月的預估銷售額之和。

總盈利=SUM(E19:P19)，也就是說每一個月的預估凈利潤之和。

總投入=SUM(E11:P11, E13:P13, E14:P14, E15:P15, E16:P16)，也就是所有的費用之和。

投資回報率=H2/K2，也就是總盈利/總投入

毛利潤率=總毛利潤/總銷售額

凈利潤率=總盈利/總銷售額

把所有的數據都填寫完成之后我們的規(guī)劃工作大致就完成了，整個規(guī)劃思路圖就完善了起來，從這個表格中，你可以清楚的知道，根據目前的預算，我們大概能達到什么樣的目的，做到多少年銷售額，每一個月能做到，能帶來多少的利潤，每一個月能盈利多少，投資回報率有多少等等。

有了這個樣的規(guī)劃之后，你就可以清楚的知道你應該朝著哪個方向走，最后能達到什么樣的效果，當每一個月沒有完成目標預估的時候，你也可以輕易的知道哪一塊出現了問題，是因為轉化率沒達到我們的預期還是因為流量不夠，是因為直通占比太高導致了我們的凈利潤減少，還是因為毛利潤率降低了導致我們的凈利潤減少等等，總之你不會再像無頭的蒼蠅一樣胡亂的行動