Average na paglihis sa excel formula. Pagkalkula ng Standard Deviation sa Microsoft Excel

Magkalkula tayoMSEXCELvariance at standard deviation ng sample. Kinakalkula din namin ang pagkakaiba ng isang random na variable kung ang pamamahagi nito ay kilala.

Isaalang-alang muna pagpapakalat, pagkatapos karaniwang lihis.

Sample na pagkakaiba

Sample na pagkakaiba (sample na pagkakaiba-iba,samplepagkakaiba-iba) ay nagpapakilala sa pagkalat ng mga halaga sa array na may kaugnayan sa .

Ang lahat ng 3 formula ay katumbas ng matematika.

Makikita sa unang formula na sample na pagkakaiba-iba ay ang kabuuan ng mga squared deviations ng bawat halaga sa array mula sa karaniwan hinati sa laki ng sample na minus 1.

pagpapakalat mga sample ang DISP() function ay ginagamit, eng. ang pangalan ng VAR, i.e. VARIance. Mula noong MS EXCEL 2010, inirerekomendang gamitin ang analogue na DISP.V() , eng. ang pangalang VARS, i.e. Sample na Pagkakaiba. Bilang karagdagan, simula sa bersyon ng MS EXCEL 2010, mayroong isang DISP.G () function, eng. Pangalan ng VARP, ibig sabihin. VARIance ng populasyon na kinakalkula pagpapakalat para sa populasyon. Ang buong pagkakaiba ay bumababa sa denominator: sa halip na n-1 tulad ng DISP.V() , DISP.G() ay mayroon lamang n sa denominator. Bago ang MS EXCEL 2010, ginamit ang VARP() function upang kalkulahin ang pagkakaiba-iba ng populasyon.

Sample na pagkakaiba
=SQUARE(Sample)/(COUNT(Sample)-1)
=(SUMSQ(Sample)-COUNT(Sample)*AVERAGE(Sample)^2)/ (COUNT(Sample)-1)- ang karaniwang formula
=SUM((Sample -AVERAGE(Sample))^2)/ (COUNT(Sample)-1) –

Sample na pagkakaiba ay katumbas ng 0 lamang kung ang lahat ng mga halaga ay katumbas ng bawat isa at, nang naaayon, ay pantay ibig sabihin ng halaga. Kadalasan, mas malaki ang halaga pagpapakalat, mas malaki ang pagkalat ng mga halaga sa array.

Sample na pagkakaiba ay isang pagtatantya ng punto pagpapakalat distribusyon ng random variable kung saan ang sample. Tungkol sa gusali mga pagitan ng kumpiyansa kapag nagsusuri pagpapakalat mababasa sa artikulo.

Pagkakaiba-iba ng isang random na variable

Upang makalkula pagpapakalat random variable, kailangan mong malaman ito.

Para sa pagpapakalat Ang random variable X ay kadalasang gumagamit ng notasyong Var(X). Pagpapakalat ay katumbas ng parisukat ng paglihis mula sa mean E(X): Var(X)=E[(X-E(X)) 2 ]

pagpapakalat kinakalkula ng formula:

kung saan ang x i ay ang halaga na maaaring kunin ng random variable, at ang μ ay ang average na halaga (), ang p(x) ay ang posibilidad na ang random variable ay kukuha ng value na x.

Kung ang random variable ay mayroong , kung gayon pagpapakalat kinakalkula ng formula:

Dimensyon pagpapakalat tumutugma sa parisukat ng yunit ng pagsukat ng mga orihinal na halaga. Halimbawa, kung ang mga halaga sa sample ay mga sukat ng bigat ng bahagi (sa kg), kung gayon ang dimensyon ng pagkakaiba ay magiging kg 2 . Ito ay maaaring mahirap bigyang-kahulugan, samakatuwid, upang makilala ang pagkalat ng mga halaga, isang halaga na katumbas ng square root ng pagpapakalat – karaniwang lihis.

Ilang mga ari-arian pagpapakalat:

Var(X+a)=Var(X), kung saan ang X ay isang random na variable at ang a ay isang pare-pareho.

Var(aХ)=a 2 Var(X)

Var(X)=E[(X-E(X)) 2 ]=E=E(X 2)-E(2*X*E(X))+(E(X)) 2=E(X 2)- 2*E(X)*E(X)+(E(X)) 2 =E(X 2)-(E(X)) 2

Ginagamit ang dispersion property na ito sa artikulo tungkol sa linear regression.

Var(X+Y)=Var(X) + Var(Y) + 2*Cov(X;Y), kung saan ang X at Y ay mga random na variable, ang Cov(X;Y) ay ang covariance ng mga random na variable na ito.

Kung ang mga random na variable ay independyente, kung gayon ang kanilang covariance ay 0, at samakatuwid Var(X+Y)=Var(X)+Var(Y). Ang pag-aari na ito ng pagkakaiba ay ginagamit sa output.

Ipakita natin na para sa mga independiyenteng dami Var(X-Y)=Var(X+Y). Sa katunayan, Var(X-Y)= Var(X-Y)= Var(X+(-Y))= Var(X)+Var(-Y)= Var(X)+Var(-Y)= Var( X)+(- 1) 2 Var(Y)= Var(X)+Var(Y)= Var(X+Y). Ang pag-aari na ito ng pagkakaiba ay ginagamit sa plot .

Sample na standard deviation

Sample na standard deviation ay isang sukatan kung gaano kalawak ang pagkakalat ng mga halaga sa sample ay nauugnay sa kanilang .

Sa pamamagitan ng kahulugan, karaniwang lihis katumbas ng square root ng pagpapakalat:

Karaniwang lihis hindi isinasaalang-alang ang magnitude ng mga halaga sa sampling, ngunit ang antas lamang ng pagkakalat ng mga halaga sa kanilang paligid gitna. Kumuha tayo ng isang halimbawa upang ilarawan ito.

Kalkulahin natin ang standard deviation para sa 2 sample: (1; 5; 9) at (1001; 1005; 1009). Sa parehong mga kaso, s=4. Malinaw na ang ratio ng standard deviation sa mga halaga ng array ay makabuluhang naiiba para sa mga sample. Para sa mga ganitong kaso, gamitin Ang koepisyent ng pagkakaiba-iba(Coefficient of Variation, CV) - ratio karaniwang lihis sa karaniwan aritmetika, ipinahayag bilang isang porsyento.

Sa MS EXCEL 2007 at mga naunang bersyon para sa pagkalkula Sample na standard deviation ang function na =STDEV() ay ginagamit, eng. ang pangalang STDEV, i.e. karaniwang lihis. Mula noong MS EXCEL 2010, inirerekomendang gamitin ang analogue nito = STDEV.B () , eng. pangalan STDEV.S, ibig sabihin. Halimbawang STandard Deviation.

Bilang karagdagan, simula sa bersyon ng MS EXCEL 2010, mayroong isang function na STDEV.G () , eng. pangalan STDEV.P, ibig sabihin. Population STandard Deviation na kinakalkula karaniwang lihis para sa populasyon. Ang buong pagkakaiba ay napupunta sa denominator: sa halip na n-1 tulad ng STDEV.V() , STDEV.G() ay mayroon lamang n sa denominator.

Karaniwang lihis maaari ding direktang kalkulahin mula sa mga formula sa ibaba (tingnan ang halimbawang file)
=SQRT(SQUADROTIV(Sample)/(COUNT(Sample)-1))
=SQRT((SUMSQ(Sample)-COUNT(Sample)*AVERAGE(Sample)^2)/(COUNT(Sample)-1))

Iba pang mga hakbang sa pagpapakalat

Ang SQUADRIVE() function ay kinakalkula gamit ang umm ng mga squared deviations ng mga halaga mula sa kanilang gitna. Ibabalik ng function na ito ang parehong resulta gaya ng formula =VAR.G( Sample)*SURIIN( Sample), saan Sample- isang sanggunian sa isang hanay na naglalaman ng hanay ng mga sample na halaga (). Ang mga kalkulasyon sa QUADROTIV() function ay ginawa ayon sa formula:

Ang SROOT() function ay isa ring sukatan ng scatter ng isang set ng data. Ang SIROTL() function ay kinakalkula ang average ng mga ganap na halaga ng mga paglihis ng mga halaga mula sa gitna. Ibabalik ng function na ito ang parehong resulta gaya ng formula =SUMPRODUCT(ABS(Sample-AVERAGE(Sample)))/COUNT(Sample), saan Sample- isang sanggunian sa isang hanay na naglalaman ng hanay ng mga sample na halaga.

Ang mga kalkulasyon sa function na SROOTKL () ay ginawa ayon sa formula:

Sa artikulong ito, pag-uusapan ko paano hanapin ang standard deviation. Ang materyal na ito ay lubhang mahalaga para sa isang ganap na pag-unawa sa matematika, kaya ang isang math tutor ay dapat maglaan ng isang hiwalay na aralin o kahit na ilang sa pag-aaral nito. Sa artikulong ito, makakahanap ka ng link sa isang detalyado at nauunawaan na video tutorial na nagpapaliwanag kung ano ang karaniwang paglihis at kung paano ito mahahanap.

karaniwang lihis ginagawang posible na tantyahin ang pagkalat ng mga halaga na nakuha bilang isang resulta ng pagsukat ng isang tiyak na parameter. Ito ay tinutukoy ng isang simbolo (Griyegong titik na "sigma").

Ang formula para sa pagkalkula ay medyo simple. Upang mahanap ang standard deviation, kailangan mong kunin ang square root ng variance. Kaya ngayon kailangan mong itanong, "Ano ang pagkakaiba-iba?"

Ano ang dispersion

Ang kahulugan ng pagkakaiba-iba ay ang mga sumusunod. Ang dispersion ay ang arithmetic mean ng squared deviations ng mga value mula sa mean.

Upang mahanap ang pagkakaiba, gawin ang mga sumusunod na kalkulasyon nang sunud-sunod:

• Tukuyin ang mean (simpleng arithmetic mean ng isang serye ng mga halaga).
• Pagkatapos ay ibawas ang average mula sa bawat isa sa mga halaga at parisukat ang nagresultang pagkakaiba (nakuha namin squared ang pagkakaiba).
• Ang susunod na hakbang ay upang kalkulahin ang arithmetic mean ng mga parisukat ng mga pagkakaiba na nakuha (Maaari mong malaman kung bakit eksakto ang mga parisukat sa ibaba).

Tingnan natin ang isang halimbawa. Sabihin nating ikaw at ang iyong mga kaibigan ay nagpasya na sukatin ang taas ng iyong mga aso (sa milimetro). Bilang resulta ng mga sukat, natanggap mo ang mga sumusunod na sukat ng taas (sa mga lanta): 600 mm, 470 mm, 170 mm, 430 mm at 300 mm.

Kalkulahin natin ang mean, variance at standard deviation.

Hanapin muna natin ang average. Tulad ng alam mo na, para dito kailangan mong idagdag ang lahat ng mga sinusukat na halaga at hatiin sa bilang ng mga sukat. Pag-unlad ng pagkalkula:

Average na mm.

Kaya, ang average (arithmetic mean) ay 394 mm.

Ngayon kailangan nating tukuyin paglihis ng taas ng bawat aso mula sa average:

Sa wakas, upang kalkulahin ang pagkakaiba, ang bawat isa sa mga nakuhang pagkakaiba ay parisukat, at pagkatapos ay makikita natin ang arithmetic mean ng mga resultang nakuha:

Dispersion mm 2 .

Kaya, ang dispersion ay 21704 mm 2 .

Paano mahahanap ang karaniwang paglihis

Kaya paano ngayon kalkulahin ang karaniwang paglihis, alam ang pagkakaiba? Bilang tandaan namin, kunin ang square root nito. Iyon ay, ang karaniwang paglihis ay:

mm (bilugan sa pinakamalapit na buong numero sa mm).

Gamit ang pamamaraang ito, nalaman namin na ang ilang mga aso (hal. Rottweiler) ay napakalalaking aso. Ngunit mayroon ding napakaliit na aso (halimbawa, mga dachshunds, ngunit hindi mo ito dapat sabihin sa kanila).

Ang pinaka-kagiliw-giliw na bagay ay ang karaniwang paglihis ay nagdadala ng kapaki-pakinabang na impormasyon. Ngayon ay maipapakita natin kung alin sa mga nakuhang resulta ng pagsukat ng paglago ang nasa loob ng pagitan na makukuha natin kung itatabi natin sa average (sa magkabilang panig nito) ang standard deviation.

Iyon ay, gamit ang standard deviation, nakakakuha kami ng isang "standard" na pamamaraan na nagbibigay-daan sa iyo upang malaman kung alin sa mga halaga ang normal (statistical average), at kung saan ay napakalaki o, sa kabaligtaran, maliit.

Ano ang Standard Deviation

Ngunit ... ang mga bagay ay magiging bahagyang naiiba kung susuriin natin sampling datos. Sa aming halimbawa, isinasaalang-alang namin pangkalahatang populasyon. Ibig sabihin, ang aming 5 aso ay ang tanging aso sa mundo na interesado sa amin.

Ngunit kung ang data ay isang sample (mga halaga na pinili mula sa isang malaking populasyon), kung gayon ang mga kalkulasyon ay kailangang gawin nang iba.

Kung mayroong mga halaga, kung gayon:

Ang lahat ng iba pang mga kalkulasyon ay ginawa sa parehong paraan, kabilang ang pagpapasiya ng average.

Halimbawa, kung ang aming limang aso ay sample lamang ng populasyon ng mga aso (lahat ng aso sa planeta), dapat nating hatiin sa 4 sa halip na 5 ibig sabihin:

Sample na pagkakaiba = mm 2 .

Sa kasong ito, ang standard deviation para sa sample ay katumbas ng mm (bilugan sa pinakamalapit na buong numero).

Maaari naming sabihin na gumawa kami ng ilang "pagwawasto" sa kaso kung ang aming mga halaga ay isang maliit na sample lamang.

Tandaan. Bakit eksakto ang mga parisukat ng mga pagkakaiba?

Ngunit bakit natin kinukuha ang mga parisukat ng mga pagkakaiba kapag kinakalkula ang pagkakaiba? Aminin natin sa pagsukat ng ilang parameter, natanggap mo ang sumusunod na hanay ng mga halaga: 4; apat; -apat; - apat. Kung idagdag lamang natin ang ganap na mga paglihis mula sa mean (pagkakaiba) sa kanilang sarili ... ang mga negatibong halaga ay kanselahin sa mga positibo:

.

Ito ay lumalabas na ang pagpipiliang ito ay walang silbi. Kung gayon, marahil ay sulit na subukan ang mga ganap na halaga ng mga paglihis (iyon ay, ang mga module ng mga halagang ito)?

Sa unang sulyap, ito ay lumalabas na hindi masama (ang nagresultang halaga, sa pamamagitan ng paraan, ay tinatawag na mean absolute deviation), ngunit hindi sa lahat ng kaso. Subukan natin ang isa pang halimbawa. Hayaang magresulta ang pagsukat sa sumusunod na hanay ng mga halaga: 7; isa; -6; -2. Kung gayon ang ibig sabihin ng ganap na paglihis ay:

Blimey! Muli naming nakuha ang resulta 4, kahit na ang mga pagkakaiba ay may mas malaking spread.

Ngayon tingnan natin kung ano ang mangyayari kung parisukat natin ang mga pagkakaiba (at pagkatapos ay kunin ang square root ng kanilang kabuuan).

Para sa unang halimbawa, makakakuha ka ng:

.

Para sa pangalawang halimbawa, makakakuha ka ng:

Ngayon ay isang ganap na naiibang bagay! Ang root-mean-square deviation ay mas malaki, mas malaki ang pagkalat ng mga pagkakaiba ... na kung ano ang aming pinagsusumikapan.

Sa katunayan, ang pamamaraang ito ay gumagamit ng parehong ideya tulad ng kapag kinakalkula ang distansya sa pagitan ng mga punto, inilapat lamang sa ibang paraan.

At mula sa isang matematikal na punto ng view, ang paggamit ng mga parisukat at square root ay mas kapaki-pakinabang kaysa sa maaari nating makuha sa batayan ng mga ganap na halaga ng mga deviations, dahil kung saan ang standard deviation ay naaangkop sa iba pang mga problema sa matematika.

Sinabi sa iyo ni Sergey Valerievich kung paano hanapin ang karaniwang paglihis

Ang programang Excel ay lubos na pinahahalagahan ng parehong mga propesyonal at mga baguhan, dahil ang isang gumagamit ng anumang antas ng pagsasanay ay maaaring gumana dito. Halimbawa, ang sinumang may kaunting mga kasanayan sa "komunikasyon" sa Excel ay maaaring gumuhit ng isang simpleng graph, gumawa ng isang disenteng tanda, atbp.

Kasabay nito, pinapayagan ka ng program na ito na magsagawa ng iba't ibang uri ng mga kalkulasyon, halimbawa, pagkalkula, ngunit nangangailangan na ito ng bahagyang naiibang antas ng pagsasanay. Gayunpaman, kung nagsimula ka pa lamang ng isang malapit na kakilala sa program na ito at interesado sa lahat ng bagay na makakatulong sa iyong maging isang mas advanced na gumagamit, ang artikulong ito ay para sa iyo. Ngayon sasabihin ko sa iyo kung ano ang karaniwang formula ng paglihis sa excel, kung bakit ito kinakailangan at, sa katunayan, kapag ito ay inilapat. Go!

Ano ito

Magsimula tayo sa teorya. Ang standard deviation ay karaniwang tinatawag na square root, na nakuha mula sa arithmetic mean ng lahat ng squared differences sa pagitan ng mga available na value, pati na rin ang arithmetic mean ng mga ito. Sa pamamagitan ng paraan, ang halagang ito ay karaniwang tinatawag na titik ng Griyego na "sigma". Ang karaniwang paglihis ay kinakalkula gamit ang formula na STDEV, ayon sa pagkakabanggit, ginagawa ito ng programa para sa user mismo.

Ang kakanyahan ng konseptong ito ay upang matukoy ang antas ng pagkakaiba-iba ng instrumento, iyon ay, ito ay, sa sarili nitong paraan, isang tagapagpahiwatig mula sa mga deskriptibong istatistika. Ito ay nagpapakita ng mga pagbabago sa pagkasumpungin ng instrumento sa anumang yugto ng panahon. Gamit ang mga formula ng STDEV, maaari mong tantyahin ang karaniwang paglihis ng isang sample, habang binabalewala ang mga halaga ng boolean at teksto.

Formula

Tumutulong na kalkulahin ang standard deviation sa excel formula, na awtomatikong ibinibigay sa Excel. Upang mahanap ito, kailangan mong hanapin ang seksyon ng formula sa Excel, at doon na piliin ang isa na may pangalang STDEV, kaya napakasimple nito.

Pagkatapos nito, lilitaw ang isang window sa harap mo kung saan kakailanganin mong magpasok ng data para sa pagkalkula. Sa partikular, dalawang numero ang dapat ipasok sa mga espesyal na patlang, pagkatapos ay awtomatikong kalkulahin ng programa ang karaniwang paglihis para sa sample.

Walang alinlangan, ang mga mathematical formula at kalkulasyon ay isang medyo kumplikadong isyu, at hindi lahat ng mga user ay maaaring harapin ito kaagad. Gayunpaman, kung maghuhukay ka ng kaunti pa at maunawaan ang isyu nang mas detalyado, lumalabas na hindi lahat ay napakalungkot. Sana ay kumbinsido ka dito sa pamamagitan ng halimbawa ng pagkalkula ng standard deviation.

Video para makatulong

Pagtuturo

Hayaang magkaroon ng ilang numero na nagpapakilala - o magkakatulad na dami. Halimbawa, ang mga resulta ng mga sukat, pagtimbang, istatistikal na obserbasyon, atbp. Ang lahat ng mga dami na ipinakita ay dapat masukat sa pamamagitan ng parehong pagsukat. Upang mahanap ang karaniwang paglihis, gawin ang sumusunod.

Tukuyin ang arithmetic mean ng lahat ng mga numero: idagdag ang lahat ng mga numero at hatiin ang kabuuan sa kabuuang bilang ng mga numero.

Tukuyin ang dispersion (scatter) ng mga numero: pagsamahin ang mga parisukat ng mga deviations na nakita kanina at hatiin ang resultang kabuuan sa bilang ng mga numero.

Mayroong pitong pasyente sa ward na may temperaturang 34, 35, 36, 37, 38, 39 at 40 degrees Celsius.

Ito ay kinakailangan upang matukoy ang average na paglihis mula sa average.
Solusyon:
"sa ward": (34+35+36+37+38+39+40)/7=37 ºС;

Mga paglihis ng temperatura mula sa average (sa kasong ito, ang normal na halaga): 34-37, 35-37, 36-37, 37-37, 38-37, 39-37, 40-37, lumalabas na: -3, -2, -1 , 0, 1, 2, 3 (ºС);

Hatiin ang kabuuan ng mga numerong nakuha kanina sa kanilang numero. Para sa katumpakan ng pagkalkula, mas mainam na gumamit ng calculator. Ang resulta ng paghahati ay ang arithmetic mean ng mga summand.

Bigyang-pansin ang lahat ng mga yugto ng pagkalkula, dahil ang isang error sa hindi bababa sa isa sa mga kalkulasyon ay hahantong sa isang hindi tamang pangwakas na tagapagpahiwatig. Suriin ang natanggap na mga kalkulasyon sa bawat yugto. Ang average na arithmetic ay may parehong metro bilang mga summand ng mga numero, iyon ay, kung matukoy mo ang average na pagdalo, kung gayon ang lahat ng mga tagapagpahiwatig ay magiging "tao".

Ang pamamaraang ito ng pagkalkula ay ginagamit lamang sa mga kalkulasyon sa matematika at istatistika. Kaya, halimbawa, ang arithmetic mean sa computer science ay may ibang algorithm ng pagkalkula. Ang arithmetic mean ay isang napaka-kondisyon na tagapagpahiwatig. Ipinapakita nito ang posibilidad ng isang kaganapan, sa kondisyon na mayroon lamang itong isang salik o tagapagpahiwatig. Para sa pinaka-malalim na pagsusuri, maraming mga kadahilanan ang dapat isaalang-alang. Para dito, ginagamit ang pagkalkula ng mas pangkalahatang dami.

Ang arithmetic mean ay isa sa mga sukat ng central tendency, na malawakang ginagamit sa matematika at statistical calculations. Ang paghahanap ng average na arithmetic ng ilang mga halaga ay napaka-simple, ngunit ang bawat gawain ay may sariling mga nuances, na kailangan lang malaman upang maisagawa ang mga tamang kalkulasyon.

Dami ng mga resulta ng naturang mga eksperimento.

Paano hanapin ang ibig sabihin ng aritmetika

Mga tampok ng pagtatrabaho sa mga negatibong numero

1. Paghahanap ng karaniwang arithmetic mean sa pamamagitan ng karaniwang pamamaraan;
2. Paghahanap ng arithmetic mean ng mga negatibong numero.
3. Pagkalkula ng arithmetic mean ng mga positibong numero.

Ang mga tugon ng bawat isa sa mga aksyon ay nakasulat na pinaghihiwalay ng mga kuwit.

Natural at decimal na mga fraction

Kapag nagtatrabaho sa mga natural na fraction, dapat silang bawasan sa isang karaniwang denominator, na pinarami ng bilang ng mga numero sa array. Ang numerator ng sagot ay ang kabuuan ng mga ibinigay na numerator ng orihinal na fractional na elemento.

Ang isa sa mga pangunahing tool ng statistical analysis ay ang pagkalkula ng standard deviation. Ang tagapagpahiwatig na ito ay nagpapahintulot sa iyo na gumawa ng isang pagtatantya ng karaniwang paglihis para sa isang sample o para sa pangkalahatang populasyon. Alamin natin kung paano gamitin ang standard deviation formula sa Excel.

Agad nating tukuyin kung ano ang standard deviation at kung ano ang hitsura ng formula nito. Ang halagang ito ay ang parisukat na ugat ng arithmetic mean ng mga parisukat ng pagkakaiba sa pagitan ng lahat ng mga halaga ng serye at ng kanilang arithmetic mean. Mayroong magkaparehong pangalan para sa tagapagpahiwatig na ito - karaniwang paglihis. Ang parehong mga pangalan ay ganap na katumbas.

Ngunit, siyempre, sa Excel, hindi kailangang kalkulahin ito ng gumagamit, dahil ginagawa ng programa ang lahat para sa kanya. Alamin natin kung paano kalkulahin ang standard deviation sa Excel.

Pagkalkula sa Excel

Maaari mong kalkulahin ang tinukoy na halaga sa Excel gamit ang dalawang espesyal na function STDEV.B(ayon sa sample) at STDEV.G(ayon sa pangkalahatang populasyon). Ang prinsipyo ng kanilang operasyon ay ganap na pareho, ngunit maaari silang tawagan sa tatlong paraan, na tatalakayin natin sa ibaba.

Paraan 1: Function Wizard

Paraan 2: Tab na Mga Formula

Paraan 3: Manu-manong pagpasok ng formula

Mayroon ding paraan kung saan hindi mo na kailangang tawagan ang argument window. Upang gawin ito, ipasok ang formula nang manu-mano.

Tulad ng nakikita mo, ang mekanismo para sa pagkalkula ng karaniwang paglihis sa Excel ay napaka-simple. Kailangan lang ng user na magpasok ng mga numero mula sa populasyon o mga link sa mga cell na naglalaman ng mga ito. Ang lahat ng mga kalkulasyon ay ginagawa ng mismong programa. Mas mahirap maunawaan kung ano ang kinakalkula na tagapagpahiwatig at kung paano mailalapat ang mga resulta ng pagkalkula sa pagsasanay. Ngunit ang pag-unawa dito ay higit na nabibilang sa larangan ng mga istatistika kaysa sa pag-aaral kung paano magtrabaho sa software.