NHÓM HÀM V T NG QUAN VÀ H I QUY TUY N TÍNH ƯƠ
m CORREL()
Tr v h s t ng quan c a hai m ng ươ array1 array2.
Th ng đ c dùng đ xác đ nh m i quan h c a hai đ c tính. Ví d , b n có th kh o sát m i quan h gi a nhi tườ ượ
đ trung bình c a m t n i v i vi c s d ng các máy đi u hòa nhi t đ . ơ
H s t ng quan ch ra m i quan h tuy n tính gi a hai m ng. H s t ng quan d ng (> 0) có nghĩa là hai ươ ế ươ ươ
m ng s đ ng bi n; h s t ng quan âm (< 0) có nghĩa là hai m ng s ngh ch bi n. ế ươ ế
pháp: = CORREL(array1, array2)
Array1, array2 : Các m ng d li u đ tính h s t ng quan. ươ
L u ýư:
Đối s phi là s, là tên, mng, hay tham chiếu có cha s.
Nếu đối s là mng hay tham chiếu có cha text, giá tr logic, ô rng, thì các giá tr này s được
b qua; tuy nhiên nhng ô cha giá tr 0 (zero) vn được tính.
Nếu array1 và array2 có s lượng các đim d liu không bng nhau, CORREL() s tr v giá tr
li #NA!
Nếu array1 hoc array2 là rng, hoc nếu độ lch chun có giá tr bng 0, CORREL() s tr v
giá tr li #DIV/0!
CORREL() tính toán theo công thc sau:
Ví d:
Tính h s t ng quan gi a hai m ng d li u sau: ươ
(A1:A5) = {3, 2, 4, 5, 6}
(B1:B5) = {9, 7, 12, 15, 17}
CORREL(A1:A5, B1:B5) = 0.997054
m COVAR()
Tr v hi p ph ng sai (hay còn g i là đ ng ph ng sai - ươ ươ covariance).
Hi p ph ng sai là trung bình c a tíchc c p sai l ch, nghĩa là tính tính s các đ l ch c a m i c p d li u, r i ươ
tính trung bình c a các tích đó.
pháp: = COVAR(array1, array2)
Array1, array2: Là dãy th nh t và dãy th hai (ch a nh ng s nguyên, và có s đi m d li u gi ng nhau) đ tính
hi p ph ng sai. ươ
L u ýư:
Array phi là s, tên. mng hay tham chiếu đến các ô có cha s.
Nếu Array là mng hay tham chiếu có cha các giá tr text, logic, hay ô rng, thì các giá tr đó s
được b qua; tuy nhiên, ô cha giá tr zero (0) thì vn được tính.
Nếu array1 và array2 có s đim d liu khác nhau, COVAR() s tr v giá tr li #NA!
Nếu array1 hay array2 rng, COVAR() s tr v giá tr li #DIV/0!
COVAR() được tính theo công thc sau:
Ví d:
hai dãy sau: Data1 = {3, 2, 4, 5, 6} Data2 = {9, 7, 12, 15, 17}
COVAR({3, 2, 4, 5, 6}, {9, 7, 12, 15, 17}) = 5.2
m FORECAST()
Tính toán, hay d đoán, c l ng m t giá tr t ng lai b ng cách s d ng các giá tr hi n có. T nh ng giá tr ướ ượ ươ
hi n có, giá tr m i đ c d đoán b ng ph ng pp h i quy tuy n tính. Có th ng hàm này đ d đoán m c ượ ươ ế
bán ng trong t ng lai, nhu c u đ u t , hay khuynh h ng tiêu th . ươ ư ướ
pháp: = FORECAST(x, known_y's, known_x's)
x : Đi m d li u dùng đ d đoán giá tr m i.
known_y's : M ng hay d li u ph thu c.
known_x's : M ng hay d li u đ c l p.
L u ýư:
Nếu x không phi là s, FORECAST() tr v giá tr li #VALUE!
Nếu known_y's, known_x's là rng hay cha s đim d liu khác nhau, FORECAST() tr v giá
tr li #NA!
Nếu known_x's = 0, FORECAST() tr v giá tr li #DIV/0!
Phương trình ca FORECAST là:
Ví d:
D a vào b ng phân tích l i nhu n d a theo giá thành b ng sau. y c l ng m c l i nhu n khi giá tnh = ướ ượ
$270,000 ?
M c l i nhu n t ng ng v i giá thành = $270,000 s là: ươ
A11 = FORECAST(B11, A2:A10, B2:B10) = $288,811
m GROWTH()
Tính toán s tăng tr ng d ki n theo hàm mũ b ng cách s d ng d ki n hi n có. GROWTH() tr v c giá tr ưở ế y
t c giá tr x đ c ch đ nh b ng cách s d ng các giá tr ượ x hi n có.
GROWTH() là m t hàm cho ra k t qu là m t m ng, do đó nó ph i đ c nh p d ng công th c m ng. ế ượ
pháp: = GROWTH(known_y's, known_x's, new_x's, const)
Known_y's : M t t p h p các giá tr y đã bi t, trong m i quan h ế y = b*m^x.
- N u m ng ế known_y's n m trong m t c t, thì m i c t c a known_x's đ c hi u nh là m t bi n đ c l p.ượ ư ế
- N u m ng ế known_y's n m trong m t dòng, thì m i dòng c a known_x's đ c hi u nh là m t bi n đ c l p.ượ ư ế
- N u có b t kỳ s o trong ế known_y's là 0 hay là s âm, GROWTH() s tr v giá tr l i #NUM!
Known_x's : M t t p h p tùy ch n các giá tr x đã bi t, trong m i quan h ế y = b*m^x.
- M ng known_x's có th bao g m m t hay nhi u t p bi n. N u ch m t bi n đ c s d ng, ế ế ế ượ known_x's và
known_y's có th có hình d ng b t kỳ, mi n là chúng có kích th c b ng nhau. N u có nhi u bi n đ c s d ng, ướ ế ế ượ
known_y's ph i là m t vectơ (là m t dãy, v i chi u cao là m t dòng, hay v i đ r ng là m t c t)
- N u b qua ế known_x's, known_x's s đ c gi s là m t m ng {1, 2, 3, ...} v i kích th c b ng v i ượ ướ known_y's.
New_x's : Là các giá tr x m i, dùng đ GROWTH() tr v các giá tr y t ng ng. ươ
- New_x's ph i g m m t c t (hay m tng) cho m i bi n đ c l p, gi ng nh ế ư known_x's. Vì th , n u ế ế known_y's
n m trong m t c t đ n, thì ơ known_x's new_x's ph i có cùng s l ng các c t; n u ượ ế known_y's n m trên m t dòng
đ n, thì ơknown_x'snew_x's ph i có cùng s l ng các dòng. ượ
- N u b qua ế new_x's, new_x's s đ c gi s gi s là gi ng nh ượ ư known_x's.
- N u b qua c ế known_x's new_x's s đ c gi s m ng {1, 2, 3, ...} v i kích th c b ng v i ượ ướ known_y's.
Const : Là m t giá tr logic cho bi t có nên ép h ng s ế b đ nó b ng 1 hay không (trong m i quan h y = b*m^x).
- N u ếconst là TRUE (1) ho c b qua, b đ c tính bình th ng.ượ ườ
- N u ếconst là FALSE (0), v đ c gán b ng 1, khi đó các giá tr ượ m s đ c đi u ch nh đ ượ y = m*x.
L u ýư:
Khi nhp hng mng cho đối s, như hng mng cho known_y's chng hn, dùng du phy để
phân cách các tr trên cùng dòng, và du chm phy để phân cách các dòng.
Ví d:
Đây mà m t b ng mô t m c tăng tr ng doanh thu c a m t đ n v t tháng th 11 đ n tháng th 16. ưở ơ ế
D a theo m c tăng tr ng y, d đoán doanh thu c a tng th 17 và 18 ? ưở