Analyse-Funktionen Die Analyse-Funktionen ist ein Excel-Add-In-Programm, das Tools Datenanalyse für Finanz-, Statistik - und Engineering-Datenanalyse zur Verfügung stellt. Um die Analyse-Funktionen laden Add-in, die folgenden Schritte auszuführen. 1. Klicken Sie auf die grüne Registerkarte Datei. Die Registerkarte Datei in Excel 2010 ersetzt die Office-Schaltfläche (oder Menü Datei) in früheren Versionen von Excel. 2. Klicken Sie auf Optionen. 3. Geben Sie unter Add-Ins, wählen Sie Analyse-Funktionen und klicken Sie auf die Schaltfläche Start. 4. Überprüfen Sie Analysis ToolPak und klicken Sie auf OK. 5. Auf der Registerkarte Daten können Sie nun auf Datenanalyse klicken. Das folgende Dialogfeld wird angezeigt. 6. Wählen Sie zum Beispiel Histogramm und klicken Sie auf OK, um ein Histogramm in Excel. Moving Durchschnitt zu erstellen Dieses Beispiel lehrt, wie man den gleitenden Durchschnitt einer Zeitreihe in Excel zu berechnen. Eine Bewegung wird verwendet, um Unregelmäßigkeiten (Spitzen und Täler) zu glätten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wählen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Täler geglättet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da nicht genügend frühere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Spitzen und Täler geglättet. Je kleiner das Intervall, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Möchten Sie diese Website kostenlos teilen Bitte teilen Sie diese Seite auf GoogleVerwenden Sie die Analyse-ToolPak, um komplexe Datenanalyse durchzuführen In Excel 2010 wurden Verbesserungen an vielen Funktionen vorgenommen, die das Analyse-ToolPak verwendet. Lesen Sie einen Blogeintrag oder versuchen Sie Office 365 Wenn Sie komplexe statistische oder technische Analysen erstellen müssen, können Sie mit dem Analysis ToolPak Schritte und Zeit sparen. Sie geben die Daten und Parameter für jede Analyse an und das Tool verwendet die entsprechenden statistischen oder Engineering-Makrofunktionen, um die Ergebnisse in einer Ausgabetabelle zu berechnen und darzustellen. Einige Tools erzeugen Diagramme zusätzlich zu den Ausgabetabellen. Das Analysis ToolPak enthält die unten beschriebenen Werkzeuge. Um auf diese Werkzeuge zuzugreifen, klicken Sie auf Datenanalyse in der Gruppe Analyse auf der Registerkarte Daten. Wenn der Data Analysis-Befehl nicht verfügbar ist, müssen Sie das Add-In-Programm Analysis ToolPak laden. Laden des Analyse-ToolPak Klicken Sie auf die Microsoft Office-Schaltfläche. Und klicken Sie dann auf Excel-Optionen. Klicken Sie auf Add-Ins. Und wählen Sie im Feld Verwalten Excel-Add-Ins aus. Aktivieren Sie in dem Feld Add-Ins available das Analysis ToolPak Kontrolle-Kästchen, und klicken Sie dann auf OK. Tipp Wenn Analysis ToolPak nicht im Feld Add-Ins verfügbar ist, klicken Sie auf Durchsuchen, um es zu suchen. Wenn Sie aufgefordert werden, dass das Analysis ToolPak derzeit nicht auf Ihrem Computer installiert ist, klicken Sie auf Ja, um es zu installieren. Hinweis: Um Visual Basic for Application (VBA) - Funktionen für das Analysis ToolPak einzufügen, können Sie das Analysis ToolPak-VBA-Add-In auf dieselbe Weise laden, wie Sie das Analysis ToolPak laden. Aktivieren Sie in dem Feld Add-Ins verfügbar das Kontrollkästchen Analysis ToolPak - VBA. Für eine Beschreibung der einzelnen Werkzeuge klicken Sie auf einen Werkzeugnamen in der folgenden Liste. Die Anova-Analyse-Tools bieten verschiedene Arten von Varianzanalyse. Das Tool, das Sie verwenden sollten, hängt von der Anzahl der Faktoren und der Anzahl der Proben, die Sie aus den Populationen, die Sie testen möchten, ab. Anova: Single Factor Dieses Tool führt eine einfache Analyse der Varianz auf Daten für zwei oder mehrere Samples durch. Die Analyse liefert einen Test der Hypothese, dass jede Probe aus der gleichen zugrunde liegenden Wahrscheinlichkeitsverteilung gegenüber der alternativen Hypothese gezogen wird, dass die zugrunde liegenden Wahrscheinlichkeitsverteilungen nicht für alle Proben gleich sind. Wenn es nur zwei Beispiele gibt, können Sie die Arbeitsblatt-Funktion TTEST verwenden. Bei mehr als zwei Proben gibt es keine bequeme Verallgemeinerung von TTEST, und das Single Factor Anova-Modell kann stattdessen aufgerufen werden. Anova: Zwei-Faktor mit Replikation Dieses Analyse-Tool ist nützlich, wenn Daten in zwei verschiedenen Dimensionen klassifiziert werden können. Zum Beispiel können die Pflanzen in einem Experiment zur Messung der Pflanzenhöhe verschiedene Düngermarken (z. B. A, B, C) erhalten und auch bei unterschiedlichen Temperaturen (z. B. niedrig, hoch) gehalten werden. Für jedes der sechs möglichen Paare von haben wir eine gleiche Anzahl von Beobachtungen der Pflanzenhöhe. Mit diesem Anova-Tool können wir testen: Ob die Höhen der Pflanzen für die verschiedenen Düngermarken aus der gleichen Grundgesamtheit gezogen werden. Temperaturen werden für diese Analyse nicht berücksichtigt. Ob die Höhen der Pflanzen für die verschiedenen Temperaturniveaus von der gleichen Grundgesamtheit gezogen werden. Düngemittelmarken werden für diese Analyse nicht berücksichtigt. Unabhängig davon, ob die Auswirkungen der Unterschiede zwischen den Düngemittelmarken, die in der ersten Aufzählung gefunden wurden, und die Unterschiede in den Temperaturen im zweiten Punkt der Aufzählung berücksichtigt wurden, werden die sechs Proben, die alle Wertepaare repräsentieren, aus der gleichen Population gezogen. Die alternative Hypothese ist, dass es Auswirkungen auf bestimmte Paare über die Unterschiede, die auf Dünger allein oder auf der Temperatur allein beruhen. Anova: Zwei-Faktor ohne Replikation Dieses Analyse-Tool ist nützlich, wenn Daten in zwei verschiedenen Dimensionen klassifiziert werden, wie im Zwei-Faktor-Fall mit Replikation. Jedoch wird für dieses Werkzeug angenommen, dass es nur eine einzige Beobachtung für jedes Paar (zum Beispiel jedes Paar in dem vorhergehenden Beispiel) gibt. Die CORREL - und PEARSON-Arbeitsblattfunktionen berechnen den Korrelationskoeffizienten zwischen zwei Messgrößen, wenn Messungen an jeder Variablen für jede der N Probanden beobachtet werden. (Jegliche fehlende Beobachtung für ein Subjekt bewirkt, dass dieses Objekt in der Analyse ignoriert wird.) Das Korrelationsanalyse-Tool ist besonders nützlich, wenn es mehr als zwei Messvariablen für jedes der N Subjekte gibt. Es stellt eine Ausgabetabelle zur Verfügung, eine Korrelationsmatrix, die den Wert von CORREL (oder PEARSON) anzeigt, der auf jedes mögliche Paar von Messgrößen angewendet wird. Der Korrelationskoeffizient, wie die Kovarianz, ist ein Maß für das Ausmaß, in dem zwei Messgrößen zusammen variieren. Anders als die Kovarianz wird der Korrelationskoeffizient so skaliert, dass sein Wert unabhängig von den Einheiten ist, in denen die beiden Messgrößen ausgedrückt werden. (Wenn zum Beispiel die beiden Messgrößen Gewicht und Höhe sind, ist der Wert des Korrelationskoeffizienten unverändert, wenn das Gewicht von Pfund zu Kilogramm umgewandelt wird.) Der Wert eines Korrelationskoeffizienten muss zwischen -1 und einschließlich 1 liegen. 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, dh ob große Werte einer Variablen dazu neigen, mit großen Werten der anderen (positive Korrelation) assoziiert zu werden Kleine Werte einer Variablen dazu neigen, mit großen Werten der anderen (negative Korrelation) assoziiert zu werden, oder ob die Werte beider Variablen dazu neigen, unabhängig zu sein (Korrelation nahe 0 (Null)). Die Korrelations - und Kovarianz-Werkzeuge können beide in der gleichen Einstellung verwendet werden, wenn Sie N verschiedene Messgrößen haben, die bei einer Gruppe von Individuen beobachtet werden. Die Korrelations - und Kovarianz-Werkzeuge geben jeweils eine Ausgabetabelle, eine Matrix, die den Korrelationskoeffizienten bzw. die Kovarianz zwischen jedem Paar von Meßgrößen zeigt. Der Unterschied ist, dass die Korrelationskoeffizienten skaliert sind, um zwischen -1 und 1 einschließlich zu liegen. Entsprechende Kovarianzen sind nicht skaliert. Sowohl der Korrelationskoeffizient als auch die Kovarianz sind Massnahmen, inwieweit zwei Variablen zusammen variieren. Das Covarianz-Tool berechnet den Wert der Arbeitsblattfunktion COVAR für jedes Paar von Messvariablen. (Die direkte Verwendung von COVAR anstelle des Kovarianzwerkzeugs ist eine sinnvolle Alternative, wenn es nur zwei Messgrößen, dh N2, gibt.) Der Eintrag auf der Diagonale der Ausgabetabelle der Kovarianzwerkzeuge in Zeile i, Spalte i, ist die Kovarianz der I-te Messgröße mit sich selbst. Dies ist nur die Populationsvarianz für diese Variable, die durch die Arbeitsblattfunktion VARP berechnet wird. Sie können das Kovarianz-Tool verwenden, um jedes Paar von Messvariablen zu untersuchen, um zu bestimmen, ob die beiden Messvariablen dazu neigen, zusammen zu bewegen, dh, ob große Werte einer Variablen dazu neigen, mit großen Werten der anderen (positiven Kovarianz), ob klein, assoziiert zu werden Werte einer Variablen neigen dazu, mit großen Werten der anderen (negative Kovarianz) assoziiert zu werden, oder ob die Werte beider Variablen tendenziell nicht miteinander verknüpft sind (Kovarianz in der Nähe von 0 (Null).) Hinzufügen, Ändern oder Entfernen einer Trendlinie in einem Diagramm Über Trendprognosen und Trendlinien Trendlinien werden verwendet, um grafische Trends in Daten zu visualisieren und zu analysieren, Probleme der Vorhersage. Eine solche Analyse wird auch Regressionsanalyse genannt. Durch die Verwendung der Regressionsanalyse können Sie eine Trendlinie in einem Diagramm über die tatsächlichen Daten hinaus ausdehnen, um zukünftige Werte vorherzusagen. Beispielsweise verwendet das folgende Diagramm eine einfache lineare Trendlinie, die zwei Quartale prognostiziert, um klar einen Trend zu steigenden Umsätzen zu zeigen. Tipps Sie können auch einen gleitenden Durchschnitt erstellen, der Schwankungen in den Daten glättet und das Muster oder den Trend deutlicher zeigt. Wenn Sie ein Diagramm oder eine Datenreihe ändern, so dass es beispielsweise die zugehörige Trendlinie nicht mehr unterstützen kann, indem Sie den Diagrammtyp in ein 3D-Diagramm ändern oder die Ansicht eines PivotChart-Berichts oder eines zugeordneten PivotTable-Berichts ändern, wird die Trendlinie nicht mehr angezeigt Auf dem Diagramm. Für Zeilendaten ohne Diagramm können Sie AutoFill oder eine der statistischen Funktionen wie GROWTH () oder TREND () verwenden, um Daten für am besten passende lineare oder exponentielle Zeilen zu erstellen. Den richtigen Trendline-Typ für Ihre Daten auswählen Wenn Sie in Microsoft Office Excel eine Trendlinie zu einem Diagramm hinzufügen möchten, können Sie einen dieser sechs verschiedenen Trend - oder Regressionstypen wählen: lineare Trendlinien, logarithmische Trendlinien, Polynom-Trendlinien, Power-Trendlinien, exponentiell Trendlinien oder gleitende durchschnittliche Trendlinien. Die Art der Daten, die Sie festlegen, die Art der Trendlinie, die Sie verwenden sollten. Eine Trendlinie ist am genauesten, wenn ihr R-squared-Wert auf oder nahe bei 1. Wenn Sie eine Trendlinie zu Ihren Daten passen, berechnet Excel automatisch seinen R-Quadrat-Wert. Wenn Sie möchten, können Sie diesen Wert in Ihrem Diagramm anzeigen. Lineare Trendlinien Eine lineare Trendlinie ist eine am besten passende gerade Linie, die mit einfachen linearen Datensätzen verwendet wird. Ihre Daten sind linear, wenn das Muster in seinen Datenpunkten einer Linie ähnelt. Eine lineare Trendlinie zeigt in der Regel, dass etwas mit steiler Geschwindigkeit steigt oder sinkt. Im folgenden Beispiel illustriert eine lineare Trendlinie, dass die Verkäufe von Kühlschränken über einen Zeitraum von 13 Jahren konstant gestiegen sind. Beachten Sie, dass der R-Quadrat-Wert 0,979 ist, was eine gute Übereinstimmung der Zeile zu den Daten ist. Logarithmische Trendlinien Eine logarithmische Trendlinie ist eine am besten passende gekrümmte Linie, die verwendet wird, wenn die Änderungsrate der Daten schnell zunimmt oder abnimmt und dann abnimmt. Eine logarithmische Trendlinie kann sowohl negative als auch positive Werte verwenden. Das folgende Beispiel verwendet eine logarithmische Trendlinie, um das prognostizierte Bevölkerungswachstum von Tieren in einem festen Raum zu veranschaulichen, in dem die Population ausgeglichen wurde, als der Platz für die Tiere abnahm. Beachten Sie, dass der R-Quadrat-Wert 0,933 ist, was eine relativ gute Passung der Zeile zu den Daten ist. Polynom-Trendlinien Eine Polynom-Trendlinie ist eine gekrümmte Linie, die verwendet wird, wenn Daten schwanken. Es eignet sich zum Beispiel für die Analyse von Gewinnen und Verlusten über einen großen Datensatz. Die Reihenfolge des Polynoms kann durch die Anzahl der Fluktuationen in den Daten oder durch die Anzahl der Biegungen (Hügel und Täler) in der Kurve bestimmt werden. Eine Ordnung 2 Polynom-Trendlinie hat in der Regel nur einen Hügel oder Tal. Ordnung 3 hat im Allgemeinen ein oder zwei Hügel oder Täler. Ordnung 4 hat in der Regel bis zu drei Hügeln oder Tälern. Das folgende Beispiel zeigt eine Polynom-Trendlinie (ein Hügel), um die Beziehung zwischen Fahrgeschwindigkeit und Kraftstoffverbrauch zu erläutern. Beachten Sie, dass der R-Quadrat-Wert 0,979 ist, was eine gute Übereinstimmung der Zeile zu den Daten ist. Leistung Trendlinien Eine Leistung Trendlinie ist eine gekrümmte Linie, die mit Datensätzen, die Messungen, die mit einer bestimmten Rate, zum Beispiel die Beschleunigung eines Rennwagens in 1-Sekunden-Intervallen zu erhöhen vergleichen. Sie können keine Power-Trendline erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Im folgenden Beispiel werden Beschleunigungsdaten durch Zeichnen der Distanz in Metern pro Sekunde dargestellt. Die Leistung Trendlinie zeigt deutlich die zunehmende Beschleunigung. Beachten Sie, dass der R-Quadrat-Wert 0,986 ist, was eine nahezu perfekte Passung der Zeile zu den Daten ist. Exponentielle Trendlinien Eine exponentielle Trendlinie ist eine gekrümmte Linie, die verwendet wird, wenn Datenwerte mit stetig steigenden Raten steigen oder fallen. Sie können keine exponentielle Trendlinie erstellen, wenn Ihre Daten Null - oder negative Werte enthalten. Im folgenden Beispiel wird eine exponentielle Trendlinie verwendet, um die abnehmende Menge an Kohlenstoff 14 in einem Objekt darzustellen, während es altert. Beachten Sie, dass der R-Quadrat-Wert 0.990 ist, was bedeutet, dass die Linie die Daten nahezu perfekt passt. Gleitende durchschnittliche Trendlinien Eine gleitende durchschnittliche Trendlinie glättet die Fluktuationen der Daten, um ein Muster oder einen Trend deutlicher darzustellen. Ein gleitender Durchschnitt verwendet eine bestimmte Anzahl von Datenpunkten (die durch die Option "Periode" festgelegt wurden), sie mittelt sie und verwendet den Durchschnittswert als Punkt in der Zeile. Wenn beispielsweise Period auf 2 gesetzt ist, wird der Durchschnitt der ersten beiden Datenpunkte als erster Punkt in der gleitenden durchschnittlichen Trendlinie verwendet. Der Durchschnitt der zweiten und dritten Datenpunkte wird als zweiter Punkt in der Trendlinie usw. verwendet. Im folgenden Beispiel zeigt eine gleitende durchschnittliche Trendlinie ein Muster in der Anzahl der über einen Zeitraum von 26 Wochen verkauften Häuser. Hinzufügen einer Trendlinie Klicken Sie auf einer Datenreihe, auf die Sie eine Trendlinie oder einen gleitenden Durchschnitt hinzufügen möchten, auf einer unstacked, 2-D-, Bereichs-, Balken-, Spalten-, Linien-, Lager-, xy - (Scatter-) oder Blasendiagramm Um die Datenreihe aus einer Liste von Diagrammelementen auszuwählen: Klicken Sie auf eine beliebige Stelle im Diagramm. Dadurch werden die Diagrammtools angezeigt. Hinzufügen des Designs. Layout . Und Format-Registerkarten. Klicken Sie auf der Registerkarte Format in der Gruppe Aktuelle Auswahl auf den Pfeil neben dem Diagrammelemente-Feld, und klicken Sie dann auf das Diagrammelement, das gewünscht wird. Hinweis: Wenn Sie ein Diagramm mit mehr als einer Datenreihe auswählen, ohne eine Datenreihe auszuwählen, zeigt Excel das Dialogfeld Trendlinie hinzufügen an. Klicken Sie im Listenfeld auf die gewünschte Datenreihe, und klicken Sie dann auf OK. Klicken Sie auf der Registerkarte Layout in der Gruppe Analysis auf Trendline. Führen Sie einen der folgenden Schritte aus: Klicken Sie auf eine vordefinierte Trendline-Option, die Sie verwenden möchten. Hinweis: Dies gilt für eine Trendlinie, ohne dass Sie bestimmte Optionen auswählen können. Klicken Sie auf Weitere Trendlinienoptionen. Und dann in der Kategorie Trendlinienoptionen unter Trend - / Regressionstyp. Klicken Sie auf den Typ der Trendlinie, die Sie verwenden möchten. Analysis ToolPak Das Analysis-ToolPak-Add-In ist ein Drittanbieter-Excel-Add-In, das spezielle Analysetools für die statistische Analyse im mittleren Maßstab bietet. Dieses Add-In bietet eine Reihe von zusätzlichen Analyse-Techniken. Dieses Add-In sollte nicht installiert werden, es sei denn, Sie werden die zusätzliche Datenanalyse-Funktionalität verwenden, da Excel etwas länger dauert, um mit diesem Add-In zu öffnen. In Excel 2003 lieferte dieses Add-In auch zusätzliche Arbeitsblattfunktionen, obwohl diese in Excel 2007 standardmäßig enthalten waren. Datenanalyse Sobald das Analysis-ToolPak-Add-In installiert ist, erscheint eine zusätzliche Schaltfläche auf der rechten Seite der Registerkarte Daten. Dies gibt Ihnen eine Auswahl der folgenden Analyse-Tools: Bestimmt, ob es eine Beziehung zwischen zwei Datensätzen, indem Sie eine Varianzanalyse. Bestimmt, ob es eine Beziehung zwischen zwei Datensätzen gibt, indem Sie eine Varianzanalyse durchführen. Dies umfasst mehr als ein Beispiel von Daten für jede Gruppe. Bestimmt, ob es eine Beziehung zwischen zwei Datensätzen gibt, indem Sie eine Varianzanalyse durchführen. Dies schließt nicht mehr als ein Beispiel von Daten für jede Gruppe ein. Vergleicht zwei Sätze von Daten, um festzustellen, ob es eine Beziehung zwischen ihnen gibt. Berechnet den Mittelwert des Produkts aus Abweichungen von Werten von den Mitteln jedes Datensatzes. Berechnet einen Bereich von statistischen Messungen und fasst sie in einer Tabelle zusammen. Diese Tabelle enthält Berechnungen für: Mittelwert, Standardfehler, Median, Modus, Standardabweichung, Probenabweichung, Kurtosis, Schiefe, Reichweite, Minimum, Maximum, Summe, Anzahl, Größte, Kleinste und Konfidenzniveau. Smooths Daten, Gewichtung neuere Daten schwerer. Vergleicht die Abweichungen zwischen zwei Datengruppen. Abweichung ist ein Maß dafür, wie viel die Werte um den Mittelwert verteilt sind. Discrete Fourier Transform (DFT) oder Fast Fourier Transformation (FFT), einschließlich Reverse Transformationen.
No comments:
Post a Comment