Выполнение нормы в excel

Возвращает нормальную функцию распределения для указанного среднего и стандартного отклонения. Эта функция очень широко применяется в статистике, в том числе при проверке гипотез.

Синтаксис

НОРМ.РАСП(x;среднее;стандартное_откл;интегральная)

Аргументы функции НОРМ.РАСП описаны ниже.

• X     Обязательный. Значение, для которого строится распределение.

• Среднее     Обязательный. Среднее арифметическое распределения.

• Стандартное_откл     Обязательный. Стандартное отклонение распределения.

• Интегральная     — обязательный аргумент. Логическое значение, определяющее форму функции. Если имеется истина, норм. Функция DIST возвращает накопительную функцию распределения; Если этот ложь, возвращается функция плотности вероятности.

Замечания

• Если число или standard_dev не является числом, то норм. DIST возвращает #VALUE! значение ошибки #ЗНАЧ!.

• Если standard_dev ≤ 0, норм. DIST возвращает #NUM! значение ошибки #ЗНАЧ!.

• Если значение «среднее» = 0, «стандартное_откл» = 1 и «интегральная» = ИСТИНА, то функция НОРМ.РАСП возвращает стандартное нормальное распределение, как функция НОРМ.СТ.РАСП.

• Уравнение для плотности нормального распределения (аргумент «интегральная» содержит значение ЛОЖЬ) имеет следующий вид:

  

• Если аргумент «интегральная» имеет значение ИСТИНА, формула описывает интеграл с пределами от минус бесконечности до x.

Пример

Скопируйте образец данных из следующей таблицы и вставьте их в ячейку A1 нового листа Excel. Чтобы отобразить результаты формул, выделите их и нажмите клавишу F2, а затем — клавишу ВВОД. При необходимости измените ширину столбцов, чтобы видеть все данные.

Данные	Описание
42	Значение, для которого нужно вычислить распределение
40	Среднее арифметическое распределения
1,5	Стандартное отклонение распределения
Формула	Описание	Результат
=НОРМ.РАСП(A2;A3;A4;ИСТИНА)	Интегральная функция распределения для приведенных выше условий	0,9087888
=НОРМ.РАСП(A2;A3;A4;ЛОЖЬ)	Функция плотности распределения для приведенных выше условий	0,10934

Одним из основных показателей управленческого учета являются выполнение плана и прогнозирование выполнения плана. Плановые показатели могут быть установлены в штуках, деньгах, клиентах и т.д., но подход к расчету выполнения плана одинаков во всех случаях.

При этом стоит различать показатели “выполнение плана” и “отклонение от плана”. В этой статье разберемся, как посчитать выполнение плана и отклонение от плана в excel. Также научимся делать простой прогноз выполнения плана в excel.

• Расчет выполнения плана
• Расчет отклонения от плана
• Прогноз выполнения плана

Выполнение плана рассчитывается, как правило, в процентах. Другими словами, понятие “выполнение плана” означает, сколько процентов фактические показатели составляют относительно плановых.

Формула выполнения плана в процентах выглядит так:

Выполнение плана = Факт / План *100%

Рассмотрим пример расчета выполнения плана продаж.

У торгового представителя установлен план продаж:

• сок вишневый — 110 упаковок
• сок яблочный — 150 упаковок

Фактически в течение месяца он продал:

• сок вишневый — 118  упаковок
• сок яблочный — 133 упаковки

Рассчитаем процент выполнения плана продаж:

Выполнение “сок вишневый” = 118 / 110 * 100% = 107,27%
Выполнение “сок яблочный” = 133 / 150 * 100% = 88,67%

Рассчитаем выполнение плана продаж в excel по той же формуле:

Обратите внимание, что в excel не нужно умножать на 100%. Вместо этого выбираем процентный формат ячейки (как показано на картинке или через правую кнопку мыши — Формат ячеек).

Таким образом, видим, что план продаж вишневого сока перевыполнен (т.к. он больше 100%), а во втором случае — не выполнен.

В следующем абзаце мы как раз и научимся считать отклонение от плана. Казалось бы, и там видно, каково отклонение от плана. Но в нашем примере всего два ряда данных. А если их много, не обойтись без использования формулы.

Расчет отклонения от плана в excel

Формула отклонения факта от плана такая:

Отклонение от плана = (Факт / План — 1) * 100%

Воспользуемся тем же примером и посчитаем отклонение фактических показателей от плана продаж. 

Отклонение от плана “сок вишневый” = (118 / 110 — 1) * 100% = 7,27%
Отклонение от плана “сок яблочный” = (133 / 150 — 1) * 100% = -11,33%

В первом случае отклонение от плана положительное (больше нуля), следовательно, план перевыполнен. А в случае я яблочным соком отклонение отрицательное, поэтому можем сделать вывод, что план по продажам яблочного сока не выполнен, и до выполнения плана не хватило 11,3%

Теперь сделаем расчет отклонения факта продаж и от плана в excel.

Как видите, мы снова не умножаем на 100%, а применяем процентный формат ячейки.

Прогноз выполнения плана

Прогнозирование — достаточно обширная тема, поэтому в рамках данной статьи рассмотрим простой прием прогнозирования выполнения плана.

Чтобы сделать прогноз выполнения плана, нужно понять, каким будет факт к окончанию периода. План, как правило, в течение периода не меняется.

Формула для прогноза выполнения плана:

Прогноз выполнения плана= (Факт на сегодня / Кол-во отработанных дней * Кол-во рабочих дней в месяце) / План * 100%

Вернемся к нашему примеру с продажами сока. Предположим, сегодня 17 октября (т.е. факт будет с 1 по 16 октября), и с начала месяца торговый представитель продал 55 коробок вишневого сока и 78 яблочного. Помним из первого примера, что план по вишневому соку 110 упаковок, а по яблочному 150.

Также нужно определиться с количеством отработанных и рабочих дней. Здесь нужно четко понимать, что количество дней берем именно для того субъекта, для которого считаем выполнение. 

Предположим, с 1 по 16 октября торговый представитель отработал 11 дней, а всего в октябре 21 рабочий день. 

Прогноз по вишневому соку = 55 / 11 * 21 = 105
Прогноз по яблочному соку = 78 / 11 * 21 = 149

Тот же пример в excel. Для наглядности выведем количество отработанных и рабочих дней в отдельные столбцы.

Далее можно также сделать прогноз выполнения плана. 

Из предыдущего примера мы уже знаем, что по факту за месяц было продано 110 коробок вишневого сока и 133 яблочного. Как видите, в первом случае погрешность прогнозирования совсем небольшая, в случае же с яблочным соком расхождение уже больше. 

Это нормальное явление при укрупненном прогнозировании, поскольку мы не учитывали действие множества факторов. Такими факторами могут быть колебания спроса в зависимости от дня недели, возможность торгового представителя взять отгул или отпуск, закрытие торговых точек, технические проблемы и т.д. 

Несмотря на недостатки укрупненного прогнозирования, многие компании используют именно такой метод прогноза выполнения плана.

В продолжение темы расчета процента выполнения плана:

Вам может быть интересно:

Рассмотрим Нормальное распределение. С помощью функции

MS EXCEL

НОРМ.РАСП()

построим графики функции распределения и плотности вероятности. Сгенерируем массив случайных чисел, распределенных по нормальному закону, произведем оценку параметров распределения, среднего значения и стандартного отклонения

.

Нормальное распределение

(также называется распределением Гаусса) является самым важным как в теории, так в приложениях системы контроля качества. Важность значения

Нормального распределения

(англ.

Normal

distribution

)

во многих областях науки вытекает из

Центральной предельной теоремы

теории вероятностей.

Определение

: Случайная величина

x

распределена по

нормальному закону

, если она имеет

плотность распределения

:

СОВЕТ

: Подробнее о

Функции распределения

и

Плотности вероятности

см. статью

Функция распределения и плотность вероятности в MS EXCEL

.

Нормальное распределение

зависит от двух параметров: μ

(мю)

— является

математическим ожиданием (средним значением случайной величины)

, и σ (

сигма)

— является

стандартным отклонением

(среднеквадратичным отклонением). Параметр μ определяет положение центра

плотности вероятности

нормального распределения

, а σ — разброс относительно центра (среднего).

Примечание

: О влиянии параметров μ и σ на форму распределения изложено в статье про

Гауссову кривую

, а в

файле примера на листе Влияние параметров

можно с помощью

элементов управления Счетчик

понаблюдать за изменением формы кривой.

Нормальное распределение в MS EXCEL

В MS EXCEL, начиная с версии 2010, для

Нормального распределения

имеется функция

НОРМ.РАСП()

, английское название — NORM.DIST(), которая позволяет вычислить

плотность вероятности

(см. формулу выше) и

интегральную функцию распределения

(вероятность, что случайная величина X, распределенная по

нормальному закону

, примет значение меньше или равное x). Вычисления в последнем случае производятся по следующей формуле:

Вышеуказанное распределение имеет обозначение

N

(μ; σ).

Так же часто используют обозначение через

дисперсию

N

(μ; σ

²

).

Примечание

: До MS EXCEL 2010 в EXCEL была только функция

НОРМРАСП()

, которая также позволяет вычислить функцию распределения и плотность вероятности.

НОРМРАСП()

оставлена в MS EXCEL 2010 для совместимости.

Стандартное нормальное распределение

Стандартным нормальным распределением

называется

нормальное распределение

с

математическим ожиданием

μ=0 и

дисперсией

σ=1. Вышеуказанное распределение имеет обозначение

N

(0;1).

Примечание

: В литературе для случайной величины, распределенной по

стандартному

нормальному закону,

закреплено специальное обозначение z.

Любое

нормальное распределение

можно преобразовать в стандартное через замену переменной

z

=(

x

-μ)/σ

. Этот процесс преобразования называется

стандартизацией

.

Примечание

: В MS EXCEL имеется функция

НОРМАЛИЗАЦИЯ()

, которая выполняет вышеуказанное преобразование. Хотя в MS EXCEL это преобразование называется почему-то

нормализацией

. Формулы

=(x-μ)/σ

и

=НОРМАЛИЗАЦИЯ(х;μ;σ)

вернут одинаковый результат.

В MS EXCEL 2010 для

стандартного нормального распределения

имеется специальная функция

НОРМ.СТ.РАСП()

и ее устаревший вариант

НОРМСТРАСП()

, выполняющий аналогичные вычисления.

Продемонстрируем, как в MS EXCEL осуществляется процесс стандартизации

нормального распределения

N

(1,5; 2).

Для этого вычислим вероятность, что случайная величина, распределенная по

нормальному закону

N(1,5; 2)

, меньше или равна 2,5. Формула выглядит так:

=НОРМ.РАСП(2,5; 1,5; 2; ИСТИНА)

=0,691462. Сделав замену переменной

z

=(2,5-1,5)/2=0,5

, запишем формулу для вычисления

Стандартного нормального распределения:

=НОРМ.СТ.РАСП(0,5; ИСТИНА)

=0,691462.

Естественно, обе формулы дают одинаковые результаты (см.

файл примера лист Пример

).

Обратите внимание, что

стандартизация

относится только к

интегральной функции распределения

(аргумент

интегральная

равен ИСТИНА), а не к

плотности вероятности

.

Примечание

: В литературе для функции, вычисляющей вероятности случайной величины, распределенной по

стандартному

нормальному закону,

закреплено специальное обозначение Ф(z). В MS EXCEL эта функция вычисляется по формуле

=НОРМ.СТ.РАСП(z;ИСТИНА)

. Вычисления производятся по формуле

В силу четности функции

плотности стандартного нормального

распределения f(x), а именно f(x)=f(-х), функция

стандартного нормального распределения

обладает свойством Ф(-x)=1-Ф(x).

Обратные функции

Функция

НОРМ.СТ.РАСП(x;ИСТИНА)

вычисляет вероятность P, что случайная величина Х примет значение меньше или равное х. Но часто требуется провести обратное вычисление: зная вероятность P, требуется вычислить значение х. Вычисленное значение х называется

квантилем

стандартного

нормального распределения

.

В MS EXCEL для вычисления

квантилей

используют функцию

НОРМ.СТ.ОБР()

и

НОРМ.ОБР()

.

Графики функций

В

файле примера

приведены

графики плотности распределения

вероятности и

интегральной функции распределения

.

Как известно, около 68% значений, выбранных из совокупности, имеющей

нормальное распределение

, находятся в пределах 1 стандартного отклонения (σ) от μ(среднего или математического ожидания); около 95% — в пределах 2-х σ, а в пределах 3-х σ находятся уже 99% значений. Убедиться в этом для

стандартного нормального распределения

можно записав формулу:

=

НОРМ.СТ.РАСП(1;ИСТИНА)-НОРМ.СТ.РАСП(-1;ИСТИНА)

которая вернет значение 68,2689% — именно такой процент значений находятся в пределах +/-1 стандартного отклонения от

среднего

(см.

лист График в файле примера

).

В силу четности функции

плотности стандартного нормального

распределения:

f

(

x

)=

f

(-х)

, функция

стандартного нормального распределения

обладает свойством F(-x)=1-F(x). Поэтому, вышеуказанную формулу можно упростить:

=

2*НОРМ.СТ.РАСП(1;ИСТИНА)-1

Для произвольной

функции нормального распределения

N(μ; σ) аналогичные вычисления нужно производить по формуле:

=2* НОРМ.РАСП(μ+1*σ;μ;σ;ИСТИНА)-1

Вышеуказанные расчеты вероятности требуются для

построения доверительных интервалов

.

Примечание

: Для построения

функции распределения

и

плотности вероятности

можно использовать диаграмму типа

График

или

Точечная

(со сглаженными линиями и без точек). Подробнее о построении

диаграмм

читайте статью

Основные типы диаграмм

.

Примечание

: Для удобства написания формул в

файле примера

созданы

Имена

для параметров распределения: μ и σ.

Генерация случайных чисел

С помощью надстройки

Пакет анализа

можно сгенерировать случайные числа, распределенные по

нормальному закону

.

СОВЕТ

: О надстройке

Пакет анализа

можно прочитать в статье

Надстройка Пакет анализа MS EXCEL

.

Сгенерируем 3 массива по 100 чисел с различными μ и σ. Для этого в окне

Генерация

случайных чисел

установим следующие значения для каждой пары параметров:

Примечание

: Если установить опцию

Случайное рассеивание

(

Random Seed

), то можно выбрать определенный случайный набор сгенерированных чисел. Например, установив эту опцию равной 25, можно сгенерировать на разных компьютерах одни и те же наборы случайных чисел (если, конечно, другие параметры распределения совпадают). Значение опции может принимать целые значения от 1 до 32 767. Название опции

Случайное рассеивание

может запутать. Лучше было бы ее перевести как

Номер набора со случайными числами

.

В итоге будем иметь 3 столбца чисел, на основании которых можно, оценить параметры распределения, из которого была произведена выборка: μ и σ

.

Оценку для μ можно сделать с использованием функции

СРЗНАЧ()

, а для σ – с использованием функции

СТАНДОТКЛОН.В()

, см.

файл примера лист Генерация

.

Примечание

: Для генерирования массива чисел, распределенных по

нормальному закону

, можно использовать формулу

=НОРМ.ОБР(СЛЧИС();μ;σ)

. Функция

СЛЧИС()

генерирует

непрерывное равномерное распределение

от 0 до 1, что как раз соответствует диапазону изменения вероятности (см.

файл примера лист Генерация

).

Задачи

Задача1

. Компания изготавливает нейлоновые нити со средней прочностью 41 МПа и стандартным отклонением 2 МПа. Потребитель хочет приобрести нити с прочностью не менее 36 МПа. Рассчитайте вероятность, что партии нити, изготовленные компанией для потребителя, будут соответствовать требованиям или превышать их.

Решение1

: =

1-НОРМ.РАСП(36;41;2;ИСТИНА)

Задача2

. Предприятие изготавливает трубы, средний внешний диаметр которых равен 20,20 мм, а стандартное отклонение равно 0,25мм. Согласно техническим условиям, трубы признаются годными, если диаметр находится в пределах 20,00+/- 0,40 мм. Какая доля изготовленных труб соответствует ТУ?

Решение2

: =

НОРМ.РАСП(20,00+0,40;20,20;0,25;ИСТИНА)- НОРМ.РАСП(20,00-0,40;20,20;0,25)

На рисунке ниже, выделена область значений диаметров, которая удовлетворяет требованиям спецификации.

Решение приведено в

файле примера лист Задачи

.

Задача3

. Предприятие изготавливает трубы, средний внешний диаметр которых равен 20,20 мм, а стандартное отклонение равно 0,25мм. Внешний диаметр не должен превышать определенное значение (предполагается, что нижняя граница не важна). Какую верхнюю границу в технических условиях необходимо установить, чтобы ей соответствовало 97,5% всех изготавливаемых изделий?

Решение3

: =

НОРМ.ОБР(0,975; 20,20; 0,25)

=20,6899 или =

НОРМ.СТ.ОБР(0,975)*0,25+20,2

(произведена «дестандартизация», см. выше)

Задача 4

. Нахождение параметров

нормального распределения

по значениям 2-х

квантилей

(или

процентилей

). Предположим, известно, что случайная величина имеет нормальное распределение, но не известны его параметры, а только 2-я

процентиля

(например, 0,5-

процентиль

, т.е. медиана и 0,95-я

процентиль

). Т.к. известна

медиана

, то мы знаем

среднее

, т.е. μ. Чтобы найти

стандартное отклонение

нужно использовать

Поиск решения

. Решение приведено в

файле примера лист Задачи

.

Примечание

: До MS EXCEL 2010 в EXCEL были функции

НОРМОБР()

и

НОРМСТОБР()

, которые эквивалентны

НОРМ.ОБР()

и

НОРМ.СТ.ОБР()

.

НОРМОБР()

и

НОРМСТОБР()

оставлены в MS EXCEL 2010 и выше только для совместимости.

Линейные комбинации нормально распределенных случайных величин

Известно, что линейная комбинация нормально распределённых случайных величин

x

(

i

)

с параметрами μ

(

i

)

и σ

(

i

)

также распределена нормально. Например, если случайная величина Y=x(1)+x(2), то Y будет иметь распределение с параметрами μ

(1)+ μ(2)

и

КОРЕНЬ(σ(1)^2+ σ(2)^2).

Убедимся в этом с помощью MS EXCEL.

С помощью надстройки

Пакет анализа

сгенерируем 2 массива по 100 чисел с различными μ и σ.

Теперь сформируем массив, каждый элемент которого является суммой 2-х значений, взятых из каждого массива.

С помощью функций

СРЗНАЧ()

и

СТАНДОТКЛОН.В()

вычислим

среднее

и

дисперсию

получившейся

выборки

и сравним их с расчетными.

Кроме того, построим

График проверки распределения на нормальность

(

Normal

Probability

Plot

), чтобы убедиться, что наш массив соответствует выборке из

нормального распределения

.

Прямая линия, аппроксимирующая полученный график, имеет уравнение y=ax+b. Наклон кривой (параметр а) может служить оценкой

стандартного отклонения

, а пересечение с осью y (параметр b) –

среднего

значения.

Для сравнения сгенерируем массив напрямую из распределения

N

(μ(1)+ μ(2); КОРЕНЬ(σ(1)^2+ σ(2)^2)

).

Как видно на рисунке ниже, обе аппроксимирующие кривые достаточно близки.

В качестве примера можно провести следующую задачу.

Задача

. Завод изготавливает болты и гайки, которые упаковываются в ящики парами. Пусть известно, что вес каждого из изделий является нормальной случайной величиной. Для болтов средний вес составляет 50г, стандартное отклонение 1,5г, а для гаек 20г и 1,2г. В ящик фасуется 100 пар болтов и гаек. Вычислить какой процент ящиков будет тяжелее 7,2 кг.

Решение

. Сначала переформулируем вопрос задачи: Вычислить какой процент пар болт-гайка будет тяжелее 7,2кг/100=72г. Учитывая, что вес пары представляет собой случайную величину = Вес(болта) + Вес(гайки) со средним весом (50+20)г, и

стандартным отклонением

=КОРЕНЬ(СУММКВ(1,5;1,2))

, запишем решение =

1-НОРМ.РАСП(72; 50+20; КОРЕНЬ(СУММКВ(1,5;1,2));ИСТИНА)

Ответ

: 15% (см.

файл примера лист Линейн.комбинация

)

Аппроксимация Биномиального распределения Нормальным распределением

Если параметры

Биномиального распределения

B(n;p) находятся в пределах 0,1<=p<=0,9 и n*p>10, то

Биномиальное распределение

можно аппроксимировать

Нормальным распределением

.

При значениях

λ

>15

,

Распределение Пуассона

хорошо аппроксимируется

Нормальным распределением

с параметрами: μ

=λ

, σ

²

=

λ

.

Подробнее о связи этих распределений, можно прочитать в статье

Взаимосвязь некоторых распределений друг с другом в MS EXCEL

. Там же приведены примеры аппроксимации, и пояснены условия, когда она возможна и с какой точностью.

СОВЕТ

: О других распределениях MS EXCEL можно прочитать в статье

Распределения случайной величины в MS EXCEL

.

Вычисление доверительного интервала в Microsoft Excel

Одним из методов решения статистических задач является вычисление доверительного интервала. Он используется, как более предпочтительная альтернатива точечной оценке при небольшом объеме выборки. Нужно отметить, что сам процесс вычисления доверительного интервала довольно сложный. Но инструменты программы Эксель позволяют несколько упростить его. Давайте узнаем, как это выполняется на практике.

Процедура вычисления

Этот метод используется при интервальной оценке различных статистических величин. Главная задача данного расчета – избавится от неопределенностей точечной оценки.

В Экселе существуют два основных варианта произвести вычисления с помощью данного метода: когда дисперсия известна, и когда она неизвестна. В первом случае для вычислений применяется функция ДОВЕРИТ.НОРМ, а во втором — ДОВЕРИТ.СТЮДЕНТ.

Способ 1: функция ДОВЕРИТ.НОРМ

Оператор ДОВЕРИТ.НОРМ, относящийся к статистической группе функций, впервые появился в Excel 2010. В более ранних версиях этой программы используется его аналог ДОВЕРИТ. Задачей этого оператора является расчет доверительного интервала с нормальным распределением для средней генеральной совокупности.

Его синтаксис выглядит следующим образом:

«Альфа» — аргумент, указывающий на уровень значимости, который применяется для расчета доверительного уровня. Доверительный уровень равняется следующему выражению:

«Стандартное отклонение» — это аргумент, суть которого понятна из наименования. Это стандартное отклонение предлагаемой выборки.

«Размер» — аргумент, определяющий величину выборки.

Все аргументы данного оператора являются обязательными.

Функция ДОВЕРИТ имеет точно такие же аргументы и возможности, что и предыдущая. Её синтаксис таков:

Как видим, различия только в наименовании оператора. Указанная функция в целях совместимости оставлена в Excel 2010 и в более новых версиях в специальной категории «Совместимость». В версиях же Excel 2007 и ранее она присутствует в основной группе статистических операторов.

Граница доверительного интервала определяется при помощи формулы следующего вида:

Где X – это среднее выборочное значение, которое расположено посередине выбранного диапазона.

Теперь давайте рассмотрим, как рассчитать доверительный интервал на конкретном примере. Было проведено 12 испытаний, вследствие которых были получены различные результаты, занесенные в таблицу. Это и есть наша совокупность. Стандартное отклонение равно 8. Нам нужно рассчитать доверительный интервал при уровне доверия 97%.

Выделяем ячейку, куда будет выводиться результат обработки данных. Щелкаем по кнопке «Вставить функцию».

Значит, чтобы посчитать уровень значимости, то есть, определить значение «Альфа» следует применить формулу такого вида:

То есть, подставив значение, получаем:

Путем нехитрых расчетов узнаем, что аргумент «Альфа» равен 0,03. Вводим данное значение в поле.

Как известно, по условию стандартное отклонение равно 8. Поэтому в поле «Стандартное отклонение» просто записываем это число.

В поле «Размер» нужно ввести количество элементов проведенных испытаний. Как мы помним, их 12. Но чтобы автоматизировать формулу и не редактировать её каждый раз при проведении нового испытания, давайте зададим данное значение не обычным числом, а при помощи оператора СЧЁТ. Итак, устанавливаем курсор в поле «Размер», а затем кликаем по треугольнику, который размещен слева от строки формул.

Группа аргументов «Значения» представляет собой ссылку на диапазон, в котором нужно рассчитать количество заполненных числовыми данными ячеек. Всего может насчитываться до 255 подобных аргументов, но в нашем случае понадобится лишь один.

Данный оператор предназначен для расчета среднего арифметического значения выбранного диапазона чисел. Он имеет следующий довольно простой синтаксис:

Аргумент «Число» может быть как отдельным числовым значением, так и ссылкой на ячейки или даже целые диапазоны, которые их содержат.

Способ 2: функция ДОВЕРИТ.СТЮДЕНТ

Кроме того, в Экселе есть ещё одна функция, которая связана с вычислением доверительного интервала – ДОВЕРИТ.СТЮДЕНТ. Она появилась, только начиная с Excel 2010. Данный оператор выполняет вычисление доверительного интервала генеральной совокупности с использованием распределения Стьюдента. Его очень удобно использовать в том случае, когда дисперсия и, соответственно, стандартное отклонение неизвестны. Синтаксис оператора такой:

Как видим, наименования операторов и в этом случае остались неизменными.

Посмотрим, как рассчитать границы доверительного интервала с неизвестным стандартным отклонением на примере всё той же совокупности, что мы рассматривали в предыдущем способе. Уровень доверия, как и в прошлый раз, возьмем 97%.

Выделяем ячейку, в которую будет производиться расчет. Клацаем по кнопке «Вставить функцию».

В поле «Альфа», учитывая, что уровень доверия составляет 97%, записываем число 0,03. Второй раз на принципах расчета данного параметра останавливаться не будем.

Нетрудно догадаться, что аргумент «Число» — это адрес элемента выборки. Если выборка размещена единым массивом, то можно, использовав только один аргумент, дать ссылку на данный диапазон.

Как видим, инструменты программы Excel позволяют существенно облегчить вычисление доверительного интервала и его границ. Для этих целей используются отдельные операторы для выборок, у которых дисперсия известна и неизвестна.

Мы рады, что смогли помочь Вам в решении проблемы.
Опишите, что у вас не получилось. Наши специалисты постараются ответить максимально быстро.

Функция СТАНДАРТИЗАЦИЯ в Excel возвращает нормализованное значение (z-оценку) на основе среднего значения и стандартного отклонения.

Возвращаемое значение

Синтаксис

Аргументы

• x — значение для нормализации.
• среднее — Среднее арифметическое распределения.
• standard_dev — стандартное отклонение распределения.

Версия

Примечания по использованию

Функция СТАНДАРТИЗАЦИЯ в Excel возвращает нормализованное значение (z-оценку) на основе среднего значения и стандартного отклонения. Чтобы использовать функцию СТАНДАРТИЗАЦИЯ, рассчитайте среднее значение с помощью функции СРЕДНЕЕ, а стандартное отклонение — с помощью функции СТАНДАРТ.П (см. Ниже).

В показанном примере формула в D5:

О z-показателях / стандартных показателях

Z-оценка или стандартная оценка — это способ стандартизации оценок по той же шкале путем деления отклонения оценки на стандартное отклонение в наборе данных. Результатом является стандартная оценка или z-оценка. Он измеряет количество стандартных отклонений данной точки данных от среднего.

Z-оценка может быть отрицательной или положительной. Отрицательный z-показатель указывает на значение меньше среднего, а положительный z-показатель указывает на значение, превышающее среднее. Среднее значение каждого z-показателя для набора данных равно нулю.

Чтобы вычислить z-оценку, необходимо вычислить среднее значение и стандартное отклонение. Формулы в G4 и G5, соответственно:

Где «точки» — именованный диапазон C5: C12.

Если вы хотите узнать больше о z-показателях и статистическом анализе в Excel, я рекомендую книгу Джозефа Шмуллера «Статистический анализ в Excel для чайников».

Расчет доверительного интервала в Excel

Программа Эксель используется для выполнения различных статистических задач, одной из которых является вычисление доверительного интервала, который применяется как наиболее подходящая замена точечной оценки при малом объеме выборки.

Хотим сразу заметить, что сама процедура вычисления доверительного интервала довольно непростая, однако, в Excel существует ряд инструментов, призванных облегчить выполнение данной задачи. Давайте рассмотрим их.

Вычисление доверительного интервала

Доверительный интервал нужен для того, чтобы дать интервальную оценку каким-либо статическим данным. Основная цель этой операции – убрать неопределенности точечной оценки.

В Microsoft Excel существует два метода выполнения данной задачи:

• Оператор ДОВЕРИТ.НОРМ – применяется в случаях, когда дисперсия известна;
• Оператор ДОВЕРИТ.СТЬЮДЕНТ– когда дисперсия неизвестна.

Ниже мы пошагово разберем оба метода на практике.

Метод 1: оператора ДОВЕРИТ.НОРМ

Данная функция впервые была внедрена в арсенал программы в редакции Эксель 2010 года (до этой версии ее заменял оператор “ДОВЕРИТ”). Оператор входит в категорию “статистические”.

Формула функции ДОВЕРИТ.НОРМ выглядит так:

Как мы видим, у функции есть три аргумента:

• “Альфа” – это показатель уровня значимости, который берется за основу при расчете. Доверительный уровень считается так:
  • 1-«Альфа» . Это выражение применимо в случае, если значение “Альфа” представлено в виде коэффициента. Например, 1-0,7=0,3, где 0,7=70%/100%.
  • (100-«Альфа»)/100 . Применятся это выражение, если мы считаем доверительным уровень со значением “Альфа” в процентах. Например, (100-70)/100=0,3.

  Примечание: У данной функции наличие всех трех аргументов является обязательным условием.

  Оператор “ДОВЕРИТ”, который применялся в более ранних редакциях программы, содержит такие же аргументы и выполняет те же самые функции.

  Формула функции ДОВЕРИТ выглядит следующим образом:

  Отличий в самой формуле нет никаких, лишь название оператора иное. В редакциях приложения Эксель 2010 года и последующих этот оператор находится в категории “Совместимость”. В более же старых версиях программы он находится в разделе статических функций.

  Граница доверительного интервала определяется следующей формулой:

  где Х – это среднее значение по заданному диапазону.

  Теперь давайте разберемся, как применять эти формулы на практике. Итак, у нас есть таблица с различными данными 10-ти проведенных замеров. При этом, стандартное отклонение совокупности данных равняется 8.

  

  Перед нами стоит задача – получить значение доверительного интервала с 95%-ым уровнем доверия.

  

  Первым делом выбираем ячейку для вывода результата. Затем кликаем по кнопке “Вставить функцию” (слева от строки формул).

  

  • в поле “Альфа” указываем уровень значимости. В нашей задаче предполагается 95%-ый уровень доверия. Подставив данное значение в формулу расчета, которую мы рассматривали выше, получаем выражение: (100-95)/100 . Пишем его в поле аргумента (или можно сразу написать результат вычисления, равный 0,05).
  • в поле “Станд_откл” согласно нашим условия, пишем цифру 8.
  • в поле “Размер” указываем количество исследуемых элементов. В нашем случае было проведено 10 замеров, значит пишем цифру 10.

  Примечание: В пунктах выше мы постарались максимально подробно расписать все шаги и каждую применяемую функцию. Однако все прописанные формулы можно записать вместе, в составе одной большой:

  • Для определения правой границы ДИ общая формула будет выглядеть так:
    =СРЗНАЧ(B2:B11)+ДОВЕРИТ.НОРМ(0,05;8;СЧЁТ(B2:B11)) .
  • Точно также и для левой границы, только вместо плюса нужно поставить минус:
    =СРЗНАЧ(B2:B11)-ДОВЕРИТ.НОРМ(0,05;8;СЧЁТ(B2:B11)) .

  Метод 2: оператор ДОВЕРИТ.СТЬЮДЕНТ

  Теперь давайте познакомимся со вторым оператором для определения доверительного интервала – ДОВЕРИТ.СТЬЮДЕНТ. Данная функция была внедрена в программу относительно недавно, начиная с версии Эксель 2010, и направлена на определение ДИ выбранной совокупности данных с применением распределения Стьюдента, при неизвестной дисперсии.

  Формула функции ДОВЕРИТ.СТЬЮДЕНТ выглядит следующим образом:

  Давайте разберем применение данного оператора на примере все той же таблицы. Только теперь стандартное отклонение по условиям задачи нам неизвестно.

  1. Сначала выбираем ячейку, куда планируем вывести результат. Затем кликаем по значку “Вставить функцию” (слева от строки формул).
  2. Откроется уже хорошо знакомое окно Мастера функций. Выбираем категорию “Статистические”, затем из предложенного списка функций щелкаем по оператору “ДОВЕРИТ.СТЬЮДЕНТ”, после чего – OK.
  3. В следующем окне нам нужно настроить аргументы функции:.
  4. В выбранной ячейке отобразится значение доверительного интервала согласно заданным нами параметрам.
  5. Далее нам нужно рассчитать значения границ ДИ. А для этого потребуется получить среднее значение по выбранному диапазону. Для этого снова применим функцию “СРЗНАЧ”. Алгоритм действий аналогичен тому, что был описан в первом методе.
  6. Получив значение “СРЗНАЧ”, можно приступать к расчетам границ ДИ. Сами формулы ничем не отличаются от тех, что использовались с оператором “ДОВЕРИТ.НОРМ”:
     • Правая граница ДИ=СРЗНАЧ+ДОВЕРИТ.СТЬЮДЕНТ
     • Левая граница ДИ=СРЗНАЧ-ДОВЕРИТ.СТЬЮДЕНТ

  Заключение

  Арсенал инструментов Excel невероятно большой, и наряду с распространенными функциями, программа предлагает большое разнообразие специальных функций, которые помогут существенно облегчить работу с данными. Возможно, описанные выше шаги некоторым пользователям, на первый взгляд, могут показаться сложными. Но после детального изучения вопроса и последовательности действий, все станет намного проще.

Sanja, большое спасибо за проделанную работу. Получилось просто шикарно. Мне самой до такого еще нескоро самостоятельно додуматься)

И всё же, подход подсчета усредненной нормы времени за месяц не совсем верен, т.к. в расчет оплаты за отпускные дни тоже берутся только рабочие дни и при суммировании отработанных дней и, взятых в расчет, за отпускные дни, получается месячная норма времени.
Рассмотрим ситуацию в том же месяце, если отпуска работников в разное время месяца.

1-й отработал полный месяц , норма получилась 135,8 час.

2-й. Был в отпуске с 1 по 15 число. Ему начислили норму в отпускные дни (повторюсь, что в расчет берутся только рабочие дни) за 7 дн. х 7,2 час. +1 дн. х 6,2 час. = 56,6 час. С 16 по 30 число ему надо отработать норму:  11 дн. х 7,2 час. =79,2 час.
Складываем общую сумму нормы за месяц в отпускные дни и рабочие: 56,6 час. + 79,2 час. = 135,8 час.

3-й. На рабочие дни с 1 по 8 число приходится норма 4 дн. х 7,2 час. + 1 дн. х 6,2 час. =35,0 час. В отпускные дни с 9 по 30 число: 14 дн. х 7,2 час. = 100,8 час. Общая норма за месяц составляет: 35,0 час. + 100,8 час. = 135,8 час.

4-й. На рабочие дни с 1 по 22 число приходится норма 12 дн. х 7,2 дн. +1 дн. х 6,2 час.= 92,6 час. В отпускные дни с 23 по 30 число: 6 дн. х 7,2 час. =43,2 час. Общая норма за месяц составляет: 92,6 час. + 43,2 час. = 135,8 час.

По-моему, всё логично. Sanja, если будет возможность, подкорректируйте, пожалуйста, ответ к моему вопросу.

Функция НОРМ.ОБР в Excel предназначена для расчета значения нормальной распределенной переменной при известных значениях вероятности, средней величины и стандартного отклонения, и возвращает соответствующее число. Данная функция является обратной для НОРМ.РАСП.

Как рассчитать обратное стандартное нормальное распределение в Excel

Алгоритм работы функции НОРМ.ОБР основан на Центральной предельной теоремы теории вероятности, согласно которой распределение случайной величины x может быть описано нормальным законом, если ее плотность распределения может быть вычислена с использованием следующей функции:

Нормальное распределение имеет два характеризующих его параметра: математическое ожидание (), определяющее положение центра плотности вероятности, и стандартное отклонение (), характеризующее разброс относительно центральной части.

Пример 1. Длина грифа гитары, производимого на заводе, составляет в среднем 650 мм, стандартное отклонение в партии составляет 12 мм. Определить максимальную длину грифа по техническим условиям, чтобы 95% всех грифов соответствовали ей.

Вид таблицы данных:

Для решения введем в ячейку B5 функцию:

Полученное значение:

В результате вычислений функции получаем наиболее оптимальные параметры.



Генератор случайных чисел с нормальным распределением в Excel

Пример 2. В таблицу Excel введены некоторые данные из эксперимента. Необходимо сгенерировать на основе имеющихся данных массив случайных числовых значений с нормальным распределением.

Вид таблицы данных:

Для решения выделим 11 ячеек соседнего столбца B и запишем следующую формулу массива CTRL+SHIFT+Enter:

В качестве первого аргумента используется функция СЛЧИС, возвращающая случайные числа из диапазона от 0 до 1 (оба включительно), что соответствует диапазону допустимых значений вероятности. Для определения второго аргумента используется функция СРЗНАЧ, возвращающая среднее арифметическое для исследуемого распределения. Третий аргумент – результат выполнения функции СТАНДОТКЛОН.Г.

Полученный результат:

Правила использования функции НОРМ.ОБР в Excel

Функция имеет следующую синтаксическую запись:

=НОРМ.ОБР(вероятность;среднее;стандартное_откл;)

Описание аргументов:

• вероятность – обязательный, принимает числовое значение из диапазона [0;1], которое соответствует вероятности для нормального распределения.
• среднее – обязательный, принимает число, соответствующее значению среднего арифметического для исследуемого распределения величин.
• стандартное_откл – обязательный, принимает число, соответствующее стандартному отклонению, определенному для исследуемого распределения величин. Может быть рассчитано с использованием функций СТАНДОТКЛОН.В (выборка) и СТАНДОТКЛОН.Г (генеральная совокупность).

Примечания:

1. Любой аргумент рассматриваемой функции должен быть указан числом или данными, которые могут быть преобразованы к числовым значения. Иначе НОРМ.ОБР вернет код ошибки #ЗНАЧ!
2. Если аргумент среднее рассматриваемой функции принимает значение 0, а третий – 1, результат ее выполнения эквивалентен результату, возвращаемого функцией НОРМ.СТ.ОБР (то есть, рассматриваемое распределение является стандартным нормальным).
3. Между функциями НОРМ.РАСП и НОРМ.ОБР существует следующая взаимосвязь: =НОРМ.РАСП(НОРМ.ОБР(вероятность;среднее;стандартное_откл);среднее;стандартное_откл;ИСТИНА).
4. Ошибка #ЧИСЛО! генерируется в следующих ситуациях:

• первый аргумент указан числом, находящимся вне диапазона допустимых значений, то есть >1 или <0.
• второй аргумент указан в виде числового значения, взятого из диапазона отрицательных чисел или введен 0 (нуль).

Программа Эксель используется для выполнения различных статистических задач, одной из которых является вычисление доверительного интервала, который применяется как наиболее подходящая замена точечной оценки при малом объеме выборки.

Хотим сразу заметить, что сама процедура вычисления доверительного интервала довольно непростая, однако, в Excel существует ряд инструментов, призванных облегчить выполнение данной задачи. Давайте рассмотрим их.

Вычисление доверительного интервала

Доверительный интервал нужен для того, чтобы дать интервальную оценку каким-либо статическим данным. Основная цель этой операции – убрать неопределенности точечной оценки.

В Microsoft Excel существует два метода выполнения данной задачи:

• Оператор ДОВЕРИТ.НОРМ – применяется в случаях, когда дисперсия известна;
• Оператор ДОВЕРИТ.СТЬЮДЕНТ– когда дисперсия неизвестна.

Ниже мы пошагово разберем оба метода на практике.

Метод 1: оператора ДОВЕРИТ.НОРМ

Данная функция впервые была внедрена в арсенал программы в редакции Эксель 2010 года (до этой версии ее заменял оператор “ДОВЕРИТ”). Оператор входит в категорию “статистические”.

Формула функции ДОВЕРИТ.НОРМ выглядит так:

=ДОВЕРИТ.НОРМ(Альфа;Станд_откл;Размер)

Как мы видим, у функции есть три аргумента:

• “Альфа” – это показатель уровня значимости, который берется за основу при расчете. Доверительный уровень считается так:
  • 1-"Альфа". Это выражение применимо в случае, если значение “Альфа” представлено в виде коэффициента. Например, 1-0,7=0,3, где 0,7=70%/100%.
  • (100-"Альфа")/100. Применятся это выражение, если мы считаем доверительным уровень со значением “Альфа” в процентах. Например, (100-70)/100=0,3.
• “Стандартное отклонение” — соответственно, стандартное отклонение анализируемой выборки данных.
• “Размер” – объем выборки данных.

Примечание: У данной функции наличие всех трех аргументов является обязательным условием.

Оператор “ДОВЕРИТ”, который применялся в более ранних редакциях программы, содержит такие же аргументы и выполняет те же самые функции.

Формула функции ДОВЕРИТ выглядит следующим образом:

=ДОВЕРИТ(Альфа;Станд_откл;Размер)

Отличий в самой формуле нет никаких, лишь название оператора иное. В редакциях приложения Эксель 2010 года и последующих этот оператор находится в категории “Совместимость”. В более же старых версиях программы он находится в разделе статических функций.

Граница доверительного интервала определяется следующей формулой:

X+(-)ДОВЕРИТ.НОРМ

где Х – это среднее значение по заданному диапазону.

Теперь давайте разберемся, как применять эти формулы на практике. Итак, у нас есть таблица с различными данными 10-ти проведенных замеров. При этом, стандартное отклонение совокупности данных равняется 8.

Перед нами стоит задача – получить значение доверительного интервала с 95%-ым уровнем доверия.

1. Первым делом выбираем ячейку для вывода результата. Затем кликаем по кнопке “Вставить функцию” (слева от строки формул).
2. Откроется окно Мастера функций. Кликнув по текущей категории функций, раскрываем список и щелкаем в нем по строке “Статистические”.
3. В предложенном перечне кликаем по оператору “ДОВЕРИТ.НОРМ”, затем жмем OK.
4. Перед нами появится окно с настройками аргументов функции, заполнив которые нажимаем кнопку OK.
   • в поле “Альфа” указываем уровень значимости. В нашей задаче предполагается 95%-ый уровень доверия. Подставив данное значение в формулу расчета, которую мы рассматривали выше, получаем выражение: (100-95)/100. Пишем его в поле аргумента (или можно сразу написать результат вычисления, равный 0,05).
   • в поле “Станд_откл” согласно нашим условия, пишем цифру 8.
   • в поле “Размер” указываем количество исследуемых элементов. В нашем случае было проведено 10 замеров, значит пишем цифру 10.
5. Чтобы при изменении данных не пришлось заново настраивать функцию, можно автоматизировать ее. Для это применим функцию “СЧЁТ”. Ставим указатель в область ввода информации аргумента “Размер”, затем щелкаем по значку треугольника с левой стороны от строки формул и кликаем по пункту “Другие функции…”.
6. В результате откроется еще одно окно Мастера функций. Выбрав категорию “Статистические”, кликаем по функции “СЧЕТ”, затем – OK.
7. На экране отобразится еще одно окно с настройками аргументов функции, которая применяется для определения числа ячеек в заданном диапазоне, в которых находятся числовые данные.
   Формула функции СЧЕТ пишется так: =СЧЁТ(Значение1;Значение2;...).
   Количество доступных аргументов этой функции может достигать 255 штук. Здесь можно прописать, либо конкретные числа, либо адреса ячеек, либо диапазоны ячеек. Мы воспользуемся последним вариантом. Для этого кликаем по области ввода информации для первого аргумента, затем зажав левую кнопку мыши выделяем все ячейки одного из столбцов нашей таблицы (не считая шапки), после чего жмем кнопку OK.
8. В результате проделанных действий в выбранной ячейке будет выведено результат расчетов по оператору ДОВЕРИТ.НОРМ. В нашей задаче его значение оказалось равным 4,9583603.
9. Но это еще не конечный результат в нашей задаче. Далее требуется рассчитать среднее значение по заданному интервалу. Для этого потребуется применить функцию “СРЗНАЧ”, которая выполняет задачу по вычислению среднего значения в пределах указанного диапазона данных.
   Формула оператора пишется так: =СРЗНАЧ(число1;число2;...).
   Выделяем ячейку, куда планируем вставить функцию и жмем кнопку “Вставить функцию”.
10. В категории “Статистические” выбираем нудный оператор “СРЗНАЧ” и кликаем OK.
11. В аргументах функции в значении аргумента “Число” указываем диапазон, в который входят все ячейки со значениями всех замеров. Затем кликаем OK.
12. В результате проделанных действий среднее значение будет автоматически подсчитано и выведено в ячейку с только что вставленной функцией.
13. Теперь нам нужно рассчитать границы ДИ (доверительного интервала). Начнем с расчета значения правой границы. Выбираем ячейку, куда хотим вывести результат, и выполняем в ней сложение результатов, полученных с помощью операторов “СРЗНАЧ” и “ДОВЕРИТ.НОРМ”. В нашем случае формула выглядит так: A14+A16. После ее набора жмем Enter.
14. В результате будет произведен расчет и результат немедленно отобразится в ячейке с формулой.
15. Затем аналогичным способом выполняем расчет для получения значения левой границы ДИ. Только в этом случае значение результата “ДОВЕРИТ.НОРМ” нужно не прибавлять, а вычитать из результата, полученного при помощи оператора “СРЗНАЧ”. В нашем случае формула выглядит так: =A16-A14.
16. После нажатия Enter мы получим результат в заданной ячейке с формулой.

Примечание: В пунктах выше мы постарались максимально подробно расписать все шаги и каждую применяемую функцию. Однако все прописанные формулы можно записать вместе, в составе одной большой:

• Для определения правой границы ДИ общая формула будет выглядеть так:
  =СРЗНАЧ(B2:B11)+ДОВЕРИТ.НОРМ(0,05;8;СЧЁТ(B2:B11)).
• Точно также и для левой границы, только вместо плюса нужно поставить минус:
  =СРЗНАЧ(B2:B11)-ДОВЕРИТ.НОРМ(0,05;8;СЧЁТ(B2:B11)).

Метод 2: оператор ДОВЕРИТ.СТЬЮДЕНТ

Теперь давайте познакомимся со вторым оператором для определения доверительного интервала – ДОВЕРИТ.СТЬЮДЕНТ. Данная функция была внедрена в программу относительно недавно, начиная с версии Эксель 2010, и направлена на определение ДИ выбранной совокупности данных с применением распределения Стьюдента, при неизвестной дисперсии.

Формула функции ДОВЕРИТ.СТЬЮДЕНТ выглядит следующим образом:

=ДОВЕРИТ.СТЬЮДЕНТ(Альфа;Cтанд_откл;Размер)

Давайте разберем применение данного оператора на примере все той же таблицы. Только теперь стандартное отклонение по условиям задачи нам неизвестно.

1. Сначала выбираем ячейку, куда планируем вывести результат. Затем кликаем по значку “Вставить функцию” (слева от строки формул).
2. Откроется уже хорошо знакомое окно Мастера функций. Выбираем категорию “Статистические”, затем из предложенного списка функций щелкаем по оператору “ДОВЕРИТ.СТЬЮДЕНТ”, после чего – OK.
3. В следующем окне нам нужно настроить аргументы функции:.
4. В выбранной ячейке отобразится значение доверительного интервала согласно заданным нами параметрам.
5. Далее нам нужно рассчитать значения границ ДИ. А для этого потребуется получить среднее значение по выбранному диапазону. Для этого снова применим функцию “СРЗНАЧ”. Алгоритм действий аналогичен тому, что был описан в первом методе.
6. Получив значение “СРЗНАЧ”, можно приступать к расчетам границ ДИ. Сами формулы ничем не отличаются от тех, что использовались с оператором “ДОВЕРИТ.НОРМ”:
   • Правая граница ДИ=СРЗНАЧ+ДОВЕРИТ.СТЬЮДЕНТ
   • Левая граница ДИ=СРЗНАЧ-ДОВЕРИТ.СТЬЮДЕНТ

Заключение

Арсенал инструментов Excel невероятно большой, и наряду с распространенными функциями, программа предлагает большое разнообразие специальных функций, которые помогут существенно облегчить работу с данными. Возможно, описанные выше шаги некоторым пользователям, на первый взгляд, могут показаться сложными. Но после детального изучения вопроса и последовательности действий, все станет намного проще.

Написано admin в Декабрь 10, 2011. Опубликовано в Нормирование и оплата труда

Теги:excel, анализ, выработка, нормативы, трудоемкость

Trackback с вашего сайта.

Сравнение показателей в таблице за определенный период – одна из популярных задач, которая стоит перед пользователями Microsoft Excel. Чаще всего это осуществляется путем вывода вспомогательного столбца, где значения указаны в процентах, и сразу становится понятно, насколько сильной была позитивная или негативная динамика.

В этой статье я на простом примере предлагаю разобраться с соответствующим оформлением таблицы.

Предварительные действия

Сначала понадобится подготовить таблицу, чтобы кроме ввода функций далее от вас ничего не требовалось. Выберите два общих значения, которые будете сравнивать. Если это должна быть, например, месячная выручка, сначала сделайте сводную таблицу по дням и ссылайтесь на нее при создании общей суммы. Выведите два значения, динамику между которыми нужно сравнивать, чтобы перейти далее. На изображении ниже показан самый простой пример подходящей таблицы.

Создайте вспомогательный столбец для вывода процентов. Введите для него совершенно любое удобное для вас название и задайте визуальное оформление в соответствии со стилем основной таблицы.

Сейчас стоит учитывать, что тип ячейки, в которой будут отображаться проценты, является общим. При расчетах в таком случае появится очень большое значение в виде обычного числа. Поэтому понадобится изменить формат ячеек, чтобы проценты выводились корректно.

1. Для этого выделите необходимые ячейки и щелкните по любой из них правой кнопкой мыши. Из контекстного меню выберите пункт «Формат ячеек».

2. Отобразится отдельное окно, в котором будет выбрана вкладка «Число». На ней выберите «Процентный» и определите количество знаков после запятой или оставьте его по умолчанию. После этого сохраните новый формат ячейки.

На этом подготовительные действия завершены, поэтому можно приступить к заполнению формул и вычислении положительной или негативной динамики.

Создание формулы отслеживания динамики роста

В следующей инструкции я постараюсь наглядно описать каждое действие при написании функции, чтобы вы понимали, какие значения берутся, как они сравниваются и что получается в итоге. Если вы сделали таблицу такого же формата, как и в примере, достаточно будет выполнить точно такие же действия, чтобы отследить динамику роста в процентах.

1. Выделите ячейку, где должны выводиться проценты и напишите первую часть формулы =(C2 — B2). Это поможет определить разницу между суммами за два разных месяца. Соответственно, если номера ячеек в вашей таблице другие, замените их, отняв сумму второго значения от первого.

2. После скобок добавьте /B2, чтобы разделить это все на сумму первого значения, то есть на 100%, если говорить о стандартных математических операциях с процентами.

3. Нажмите Enter и посмотрите на результат. В моем случае сумма за первый месяц была 102 000, за второй — 124 000, а разница – 22 000. Получается, динамика роста является положительной и равняется 21,62%. У вас значение будет другим, в соответствии с суммами в таблице.

4. Если далее в таблице должно происходить такое же сравнение значений и вывод процентов, просто зажмите левой кнопкой мыши правый угол текущей ячейки и растяните ее вниз.

5. В итоге таблица сама заполнится, и на экране появится список всех процентов, характеризующих положительную или отрицательную динамику роста.

Далее ничего вас не ограничивает, вы можете сравнивать показатели бесконечное количество раз. Отнимать и добавлять проценты, чтобы понять общую сумму изменений и заниматься дальнейшим взаимодействием с электронной таблицей для своих целей.

Формула отслеживания динамики роста по норме

Иногда расчеты подразумевают наличие нормы, то есть средневзвешенной суммы, которая является оптимальной. Вы можете использовать только это значение, чтобы сравнить его с другими показателями и вычислить проценты. Давайте наглядно разберемся с изменениями, которые вносятся в этом типе расчетов.

1. Найдите ту ячейку, где будет указана норма. Если ее еще нет, создайте и введите необходимое число. Формула будет немного отличаться от предыдущей. Вам нужно в качестве первого значения как раз и задать эту ячейку, полностью закрепив ее при помощи знаков $.

2. Больше никаких изменений вводить не нужно, достаточно нажать Enter, чтобы ознакомиться с результатом.

3. При растягивании формула тоже будет считаться корректно, поскольку ранее вы полностью закрепили одну ячейку.

В этом случае формула обретает вид =(C2-$B$9)/$B$9, где $B$9 – номер той самой закрепленной ячейки, а C2 – сумма второго месяца, от которой и отнимается норма для вычисления процентов.

На основе созданной таблицы вы можете добавлять наглядный график, визуально демонстрирующий динамику роста. Детальнее о его создании рассказано в другой моей статье по ссылке ниже.

Подробнее: Как создать диаграмму темпов роста в Microsoft Excel

Блог о программе Microsoft Excel: приемы, хитрости, секреты, трюки

Как построить график с нормальным распределением в Excel

Так как я часто имею дело с большим количеством данных, у меня время от времени возникает необходимость генерировать массивы значений для проверки моделей в Excel. К примеру, если я хочу увидеть распределение веса продукта с определенным стандартным отклонением, потребуются некоторые усилия, чтобы привести результат работы формулы СЛУЧМЕЖДУ() в нормальный вид. Дело в том, что формула СЛУЧМЕЖДУ() выдает числа с единым распределением, т.е. любое число с одинаковой долей вероятности может оказаться как у нижней, так и у верхней границы запрашиваемого диапазона. Такое положение дел не соответствует действительности, так как вероятность возникновения продукта уменьшается по мере отклонения от целевого значения. Т.е. если я произвожу продукт весом 100 грамм, вероятность, что я произведу 97-ми или 103-граммовый продукт меньше, чем 100 грамм. Вес большей части произведенной продукции будет сосредоточен рядом с целевым значением. Такое распределение называется нормальным. Если построить график, где по оси Y отложить вес продукта, а по оси X – количество произведенного продукта, график будет иметь колоколообразный вид, где наивысшая точка будет соответствовать целевому значению.

Таким образом, чтобы привести массив, выданный формулой СЛУЧМЕЖДУ(), в нормальный вид, мне приходилось ручками исправлять пограничные значения на близкие к целевым. Такое положение дел меня, естественно, не устраивало, поэтому, покопавшись в интернете, открыл интересный способ создания массива данных с нормальным распределением. В сегодняшней статье описан способ генерации массива и построения графика с нормальным распределением.

Характеристики нормального распределения

Непрерывная случайная переменная, которая подчиняется нормальному распределению вероятностей, обладает некоторыми особыми свойствами. Предположим, что вся производимая продукция подчиняется нормальному распределению со средним значением 100 грамм и стандартным отклонением 3 грамма. Распределение вероятностей для такой случайной переменной представлено на рисунке.

Из этого рисунка мы можем сделать следующие наблюдения относительно нормального распределения — оно имеет форму колокола и симметрично относительно среднего значения.

Стандартное отклонение имеет немаловажную роль в форме изгиба. Если посмотреть на предыдущий рисунок, то можно заметить, что практически все измерения веса продукта попадают в интервал от 95 до 105 граммов. Давайте рассмотрим следующий рисунок, на котором представлено нормальное распределение с той же средней – 100 грамм, но со стандартным отклонением всего 1,5 грамма

Здесь вы видите, что измерения значительно плотней прилегают к среднему значению. Почти все производимые продукты попадают в интервал от 97 до 102 грамм.

Небольшое значение стандартного отклонения выражается в более «тощей и высокой кривой, плотно прижимающейся к среднему значению. Чем больше стандартное, тем «толще», ниже и растянутее получается кривая.

Создание массива с нормальным распределением

Итак, чтобы сгенерировать массив данных с нормальным распределением, нам понадобится функция НОРМ.ОБР() – это обратная функция от НОРМ.РАСП(), которая возвращает нормально распределенную переменную для заданной вероятности для определенного среднего значения и стандартного отклонения. Синтаксис формулы выглядит следующим образом:

=НОРМ.ОБР(вероятность; среднее_значение; стандартное_отклонение)

Другими словами, я прошу Excel посчитать, какая переменная будет находится в вероятностном промежутке от 0 до 1. И так как вероятность возникновения продукта с весом в 100 грамм максимальная и будет уменьшаться по мере отдаления от этого значения, то формула будет выдавать значения близких к 100 чаще, чем остальных.

Давайте попробуем разобрать на примере. Выстроим график распределения вероятностей от 0 до 1 с шагом 0,01 для среднего значения равным 100 и стандартным отклонением 1,5.

Как видим из графика точки максимально сконцентрированы у переменной 100 и вероятности 0,5.

Этот фокус мы используем для генерирования случайного массива данных с нормальным распределением. Формула будет выглядеть следующим образом:

=НОРМ.ОБР(СЛЧИС(); среднее_значение; стандартное_отклонение)

Создадим массив данных для нашего примера со средним значением 100 грамм и стандартным отклонением 1,5 грамма и протянем нашу формулу вниз.

Теперь, когда массив данных готов, мы можем выстроить график с нормальным распределением.

Построение графика нормального распределения

Прежде всего необходимо разбить наш массив на периоды. Для этого определяем минимальное и максимальное значение, размер каждого периода или шаг, с которым будет увеличиваться период.

Далее строим таблицу с категориями. Нижняя граница (B11) равняется округленному вниз ближайшему кратному числу. Остальные категории увеличиваются на значение шага. Формула в ячейке B12 и последующих будет выглядеть:

В столбце X будет производится подсчет количества переменных в заданном промежутке. Для этого воспользуемся формулой ЧАСТОТА(), которая имеет два аргумента: массив данных и массив интервалов. Выглядеть формула будет следующим образом =ЧАСТОТА(Data!A1:A175;B11:B20). Также стоит отметить, что в таком варианте данная функция будет работать как формула массива, поэтому по окончании ввода необходимо нажать сочетание клавиш Ctrl+Shift+Enter.

Таким образом у нас получилась таблица с данными, с помощью которой мы сможем построить диаграмму с нормальным распределением. Воспользуемся диаграммой вида Гистограмма с группировкой, где по оси значений будет отложено количество переменных в данном промежутке, а по оси категорий – периоды.

Осталось отформатировать диаграмму и наш график с нормальным распределением готов.

Итак, мы познакомились с вами с нормальным распределением, узнали, что Excel позволяет генерировать массив данных с помощью формулы НОРМ.ОБР() для определенного среднего значения и стандартного отклонения и научились приводить данный массив в графический вид.

Вам также могут быть интересны следующие статьи

12 комментариев

Ренат, добрый день.
Все несколько проще:
Данные->Анализ данных->Генерация случайных чисел (Распределение=Нормальное)
+
Данные->Анализ данных->Гистограмма->Галка на «вывод графика» («Карманы» можно даже не задавать)

Диаграмма нормального распределения (Гаусса) в Excel

Требуется построить диаграмму стандартного нормального распределения Гаусса (стандартное нормальное распределение имеет М = 0 и = 1), используя функцию НОРМСТРАСП.

1. В ячейку A3 введем символ х, а в ячейку ВЗ — символ функции плотности вероятности f(x).

2. Вычислим нижнюю М — За границу диапазона значений х, для чего установим курсор в ячейку С2 и введем формулу =0-3*1, а также верхнюю границу — в ячейку Е2 введем формулу =0+3*1.

3. Скопируем формулу из ячейки С2 в ячейку А4, полученное в ячейке А4 значение нижней границы будет началом последовательности арифметической прогрессии.

4. Создадим последовательность значений х в требуемом диапазоне, для чего установим курсор в ячейку А4 и выполним команду меню Правка/Заполнить/Прогрессия.

5. В открывшемся окне диалога Прогрессия установим переключатели арифметическая, по столбцам, в поле Шаг введем значение 0,5, а в поле Предельное значение — число, равное верхней границе диапазона.

Функция НОРМРАСПР в EXCEL

6. Щелкнем на кнопке ОК. В диапазоне А4:А16 будет сформирована последовательность значений х.

7. Установим курсор в ячейку В4 и выполним команду меню Вставка/Функция. В открывшемся окне Мастер функций выберем категорию Статистические, а в списке функций — НОРМРАСП.

8. Установим значения параметров функции НОРМРАСП: для параметра х установим ссылку на ячейку А4, для параметра Среднее — введем число 0, для параметра Стандартное_откл — число 1, для параметра Интегральное — число 0 (весовая).

Диаграмма нормального интегрального распределения в EXCEL

9. Используя маркер буксировки, скопируем полученную формулу в диапазон ячеек В5:В16.

10. Выделим диапазон полученных табличных значений функции f(х) (ВЗ:В16) и выполним команду меню Вставка/Диаграмма. В окне Мастер диаграмм во вкладке Стандартные выберем График, а в поле Вид — вид графика, щелкнем на кнопке Далее.

11. В окне Мастер диаграмм (шаг 2) выберем закладку Ряд. В поле Подписи оси х укажем ссылку на диапазон, содержащий значения х (А4:А16). Щелкнем на кнопке Далее.
В окне Мастер диаграмм (шаг 3) введем подписи: Название диаграммы, Ось х, Ось у. Щелкнем на кнопке Готово. На рабочий лист будет выведена диаграмма плотности вероятности .

НОРМРАСП (функция НОРМРАСП)

Возвращает нормальную функцию распределения для указанного среднего и стандартного отклонения. Эта функция очень широко применяется в статистике, в том числе при проверке гипотез.

Важно: Эта функция была заменена одной или несколькими новыми функциями, которые обеспечивают более высокую точность и имеют имена, лучше отражающие их назначение. Хотя эта функция все еще используется для обеспечения обратной совместимости, она может стать недоступной в последующих версиях Excel, поэтому мы рекомендуем использовать новые функции.

Дополнительные сведения о новом варианте этой функции см. в статье Функция НОРМ.РАСП.

Аргументы функции НОРМРАСП описаны ниже.

x Обязательный. Значение, для которого строится распределение.

Среднее Обязательный. Среднее арифметическое распределения.

Стандартное_откл Обязательный. Стандартное отклонение распределения.

Интегральная Обязательный. Логическое значение, определяющее форму функции. Если аргумент «интегральная» имеет значение ИСТИНА, функция НОРМРАСП возвращает интегральную функцию распределения; если этот аргумент имеет значение ЛОЖЬ, возвращается весовая функция распределения.

Если аргумент «среднее» или «стандартное_откл» не является числом, функция НОРМРАСП возвращает значение ошибки #ЗНАЧ!.

Если аргумент «стандартное_откл» меньше или равен 0, то функция НОРМРАСП возвращает значение ошибки #ЧИСЛО!.

Если среднее = 0, стандартное_откл = 1 и интегральная = ИСТИНА, то функция НОРМРАСП возвращает стандартное нормальное распределение, т. е. НОРМСТРАСП.

Уравнение для плотности нормального распределения (аргумент «интегральная» содержит значение ЛОЖЬ) имеет следующий вид:

Если аргумент «интегральная» имеет значение ИСТИНА, формула описывает интеграл с пределами от минус бесконечности до x.

Скопируйте образец данных из следующей таблицы и вставьте их в ячейку A1 нового листа Excel. Чтобы отобразить результаты формул, выделите их и нажмите клавишу F2, а затем — клавишу ВВОД. При необходимости измените ширину столбцов, чтобы видеть все данные.

Нормальное распределение. Построение графика в Excel. Концепция шести сигм

Наверное, не все знают, что в Excel есть встроенная функция для построения нормального распределения. Графики нормального распределения часто используются для демонстрации идей статистической обработки данных.

Функция НОРМРАСП имеет следующий синтаксис:

НОРМРАСП (Х; среднее; стандартное_откл; интегральная)

Х — аргумент функции; фактически НОРМРАСП можно трактовать как y=f(x); при этом функция возвращает вероятность реализации события Х

Среднее (µ) — среднее арифметическое распределения; чем дальше Х от среднего, тем ниже вероятность реализации такого события

Стандартное_откл (σ) — стандартное отклонение распределения; мера кучности; чем меньше σ, тем выше вероятность у тех Х, которые расположены ближе к среднему

Интегральная — логическое значение, определяющее форму функции. Если «интегральная» имеет значение ИСТИНА, функция НОРМРАСП возвращает интегральную функцию распределения, тот есть суммарную вероятность всех событий для аргументов от -∞ до Х; если «интегральная» имеет значение ЛОЖЬ, возвращается вероятность реализации события Х, точнее говоря, вероятность событий находящихся в некотором диапазоне вокруг Х

Например, для µ=0 имеем:

Скачать заметку в формате Word, пример в формате Excel

Здесь по оси абсцисс единица измерения – σ, или (что то же самое), можно сказать, что график построен для σ = 1. То есть, «-2» на графике означает -2σ. По оси ординат шкала убрана умышленно, так как она лишена смысла. Точнее говоря, высота кривой зависит от плотности точек на оси абсцисс, по которым мы строим график. Например, если на интервал от 0 до 1σ приходится 10 точек, то высота в максимуме составит 4%, а если 20 точек – 2%. Здесь проценты означают вероятность попадания случайной величины в узкий диапазон окрестности точки на оси абсцисс. Зато имеет смысл площадь под кривой на определенном интервале. И эта площадь не зависит от плотности точек. Так, например, площадь под кривой на интервале от 0 до 1σ составляет 34,13%. Это значение можно интерпретировать следующим образом: с вероятностью 68,26% случайная величина Х попадет в диапазон µ ± σ.

Теперь, наверное, вам будет лучше понятен смысл выражения «качество шести сигм». Оно означает, что производство налажено таким образом, что случайная величина Х (например, диаметр вала) находясь в диапазон µ ± 6σ, всё еще удовлетворяет техническим условиям (допускам). Это достигается за счет значительного уменьшения сигмы, то есть случайная величина Х очень близка к нормативному значению µ. На графике ниже представлено три ситуации, когда границы допуска остаются неизменными, а благодаря повышению качества (уменьшению вариабельности, сужению сигма) доля брака сокращается:

На первом рисунке только 1,5σ попадают в границы допуска, то есть только 86,6% деталей являются годными. На втором рисунке уже 3σ попадают в границы допуска, то есть 99,75% являются годными. Но всё еще 25 деталей из каждых 10 000 произведенных являются браком. На третьем рисунке целых 6σ попадают в границы допуска, то есть в брак попадут только две детали на миллиард изготовленных!

Вообще-то говоря, измерение качества в терминах сигм использует не совсем нормальное распределение. Вот что пишет на эту тему Википедия:

Опыт показывает, что показатели процессов имеют тенденцию изменяться с течением времени. В результате со временем в промежуток между границами поля допуска будет входить меньше, чем было установлено первоначально. Опытным путём было установлено, что изменение параметров во времени можно учесть с помощью смещения в 1,5 сигма. Другими словами, с течением времени длина промежутка между границами поля допуска под кривой нормального распределения уменьшается до 4,5 сигма вследствие того, что среднее процесса с течением времени смещается и/или среднеквадратическое отклонение увеличивается.

Широко распространённое представление о «процессе шесть сигма» заключается в том, что такой процесс позволяет получить уровень качества 3,4 дефектных единиц на миллион готовых изделий при условии, что длина под кривой слева или справа от среднего будет соответствовать 4,5 сигма (без учёта левого или правого конца кривой за границей поля допуска). Таким образом, уровень качества 3,4 дефектных единиц на миллион готовых изделий соответствует длине промежутка 4,5 сигма, получаемых разницей между 6 сигма и сдвигом в 1,5 сигма, которое было введено, чтобы учесть изменение показателей с течением времени. Такая поправка создана для того, чтобы предупредить неправильною оценку уровня дефектности, встречающееся в реальных условиях.

С моей точки зрения, не вполне внятное объяснение. Тем не менее, во всем мире принята следующая таблица соответствия числа дефектов и уровня качества в сигмах:

НОРМСТРАСП функция стандартного нормального распределения в Excel

Функция НОРМСТРАСП в Excel используется для нахождения значения статистической функции стандартного нормального распределения. Рассмотрим примеры использования данной функции и самостоятельно составим таблицу нормального закона.

Алгоритм функции нормального стандартного распределения чисел в Excel

В новых версиях Microsoft Office была введена более универсальная функция =НОРМ.СТ.РАСП(), содержащая дополнительный аргумент, который принимает два возможных значения:

• ИСТИНА – для получения интегральной функции распределения;
• ЛОЖЬ – для получения весовой функции распределения.

Стандартное нормальное распределение (СНР) – специальная форма распределения, используемая в качестве эталона для оценки данных любого вида. Данный тип распределения по причине неудобства использования формулы общего нормального распределения на практике.

Главные особенности функции:

1. Площадь участка, ограниченного кривой и осью абсцисс принята за 1.
2. Стандартное отклонение считается равным 1.
3. Среднее арифметическое значение принято равным 0.
4. В функцию f(x) общего теоретического нормального распределения введена переменная z (стандартная нормальная).

Переменная z рассчитывается по формуле:

• X – значение некоторой случайной величины;
• µ — среднее значение;
• ó — значение стандартного отклонения.

Смысл переменной z – число стандартных отклонений, на которые отличается значение случайной величины от среднего значения.

Функция НОРМСТРАСП возвращает результат, рассчитанный на основе следующей формулы:

Именно так и выглядит алгоритм вычисления функции НОРМСТРАСП в Excel

Таблица стандартного нормального распределения в Excel

Пример 1. Найти стандартные нормальные распределения для числовых данных, указанных в таблице.

Вид таблицы данных:

Для расчетов используем следующую формулу:

• A2:A11 – диапазон ячеек, содержащих значения переменной z.

С принципом действия функции мы ознакомились. Теперь ничто нам не мешает составить свою таблицу стандартного распределения в Excel. Для этого построим шаблон таблицы нормального закона и заполним ее ячейки формулой со смешанными ссылками:

Таким образом мы самостоятельно составили таблицу стандартного нормального распределения в Excel.

Расчет вероятности стандартным нормальным распределением в Excel

Пример 2. На заводе изготавливают лампочки. Средний период бесперебойной работы каждой лампы составляет 1000 ч. Стандартное отклонение от срока службы составляет 50 ч. Определить вероятность для каждого из указанных случаев:

1. Купленная лампа будет работать не более 1200 ч.
2. Срок службы составит менее 800 ч.
3. Количество ламп в партии из 500 шт., которые проработают от 900 до 1100 часов.

Вид таблицы данных:

Для расчета вероятности срока службы менее 1200 ч используем следующую формулу:

(1200-B2)/B3 – выражение для расчета переменной z.

В результате вычислений получим следующее значение вероятности:

Аналогично рассчитаем вероятность того, что срок службы составит менее 800 часов:

Результат вычислений (получена слишком маленькая вероятность, поэтому для наглядности был установлен формат Проценты):

Нормальное распределение является симметричным относительно оси ординат, поэтому функция НОРМСТРАСП может вычислить значение даже для отрицательного z.

Для определения числа ламп, которые проработают 900-1100 часов, используем формулу:

То есть, была вычислена разность вероятностей двух событий: есть лампы, которые проработают менее 1100 часов, а также лампы, которые проработают менее 900 часов. Результат произведения полученной вероятности и общего числа ламп в партии является искомым значением.

Описание параметров функции НОРМСТРАСП в Excel

Функция НОРМСТРАСП имеет следующую синтаксическую запись:

• z – единственный аргумент, обязательный для заполнения, принимающий числовое значение стандартной нормальной переменной.

1. В качестве аргумента z может быть передано числовое значение, преобразуемый в число текст, логическое значение (например, результат выполнения функции =НОРМСТРАСП(ИСТИНА) будет число 0,841, поскольку данная функция выполняет промежуточное преобразование логического ИСТИНА в число 1), ссылка на ячейку с числовыми данными.
2. Если функция НОРМСТРАСП получила в качестве аргумента текст, не преобразуемый в числовые данные, она вернет код ошибки #ЗНАЧ!.