NHÓM HÀM VỀ TƯƠNG QUAN VÀ HỒI QUY TUYẾN TÍNH

Hàm CORREL() Trả về hệ số tương quan của hai mảng array1 và array2. Thường được dùng để xác định mối quan hệ của hai đặc tính.
Nội dung trích xuất từ tài liệu:
NHÓM HÀM VỀ TƯƠNG QUAN VÀ HỒI QUY TUYẾN TÍNHNHÓM HÀM VỀ TƯƠNG QUAN VÀ HỒI QUY TUYẾN TÍNHHàm CORREL()Trả về hệ số tương quan của hai mảng array1 và array2.Thường được dùng để xác định mối quan hệ của hai đặc tính. Ví dụ, bạn có thể khảo sát mối quan hệ giữa nhiệtđộ trung bình của một nơi với việc sử dụng các máy điều hòa nhiệt độ.Hệ số tương quan chỉ ra mối quan hệ tuyến tính giữa hai mảng. Hệ số tương quan dương (> 0) có nghĩa là haimảng sẽ đồng biến; hệ số tương quan âm (< 0) có nghĩa là hai mảng sẽ nghịch biến.Cú pháp: = CORREL(array1, array2)Array1, array2 : Các mảng dữ liệu để tính hệ số tương quan.Lưu ý: Đốisốphảilàsố,làtên,mảng,haythamchiếucóchứasố. • Nếuđốisốlàmảnghaythamchiếucóchứatext,giátrịlogic,ôrỗng,thìcácgiátrịnàysẽđược • bỏqua;tuynhiênnhữngôchứagiátrị0(zero)vẫnđượctính. Nếuarray1vàarray2cósốlượngcácđiểmdữliệukhôngbằngnhau,CORREL()sẽtrảvềgiátrị • lỗi#NA! Nếuarray1hoặcarray2làrỗng,hoặcnếuđộlệchchuẩncógiátrịbằng0,CORREL()sẽtrảvề • giátrịlỗi#DIV/0! CORREL()tínhtoántheocôngthứcsau: •Ví dụ:Tính hệ số tương quan giữa hai mảng dữ liệu sau:(A1:A5) = {3, 2, 4, 5, 6}(B1:B5) = {9, 7, 12, 15, 17}CORREL(A1:A5, B1:B5) = 0.997054Hàm COVAR()Trả về hiệp phương sai (hay còn gọi là đồng phương sai - covariance).Hiệp phương sai là trung bình của tích các cặp sai lệch, nghĩa là tính tính số các độ lệch của mỗi cặp dữ liệu, rồitính trung bình của các tích đó.Cú pháp: = COVAR(array1, array2)Array1, array2: Là dãy thứ nhất và dãy thứ hai (chứa những số nguyên, và có số điểm dữ liệu giống nhau) để tínhhiệp phương sai.Lưu ý: Arrayphảilàsố,tên.mảnghaythamchiếuđếncácôcóchứasố. • NếuArraylàmảnghaythamchiếucóchứacácgiátrịtext,logic,hayôrỗng,thìcácgiátrịđósẽ • đượcbỏqua;tuynhiên,ôchứagiátrịzero(0)thìvẫnđượctính. Nếuarray1vàarray2cósốđiểmdữliệukhácnhau,COVAR()sẽtrảvềgiátrịlỗi#NA! • Nếuarray1hayarray2rỗng,COVAR()sẽtrảvềgiátrịlỗi#DIV/0! • COVAR()đượctínhtheocôngthứcsau: •Ví dụ:Có hai dãy sau: Data1 = {3, 2, 4, 5, 6} và Data2 = {9, 7, 12, 15, 17}COVAR({3, 2, 4, 5, 6}, {9, 7, 12, 15, 17}) = 5.2Hàm FORECAST()Tính toán, hay dự đoán, ước lượng một giá trị tương lai bằng cách sử dụng các giá trị hiện có. Từ những giá trịhiện có, giá trị mới được dự đoán bằng phương pháp hồi quy tuyến tính. Có thể dùng hàm này để dự đoán mứcbán hàng trong tương lai, nhu cầu đầu tư, hay khuynh hướng tiêu thụ.Cú pháp: = FORECAST(x, known_ys, known_xs)x : Điểm dữ liệu dùng để dự đoán giá trị mới.known_ys : Mảng hay dữ liệu phụ thuộc.known_xs : Mảng hay dữ liệu độc lập.Lưu ý: Nếuxkhôngphảilàsố,FORECAST()trảvềgiátrịlỗi#VALUE! • Nếuknown_ys,known_xslàrỗnghaychứasốđiểmdữliệukhácnhau,FORECAST()trảvềgiá • trịlỗi#NA! Nếuknown_xs=0,FORECAST()trảvềgiátrịlỗi#DIV/0! • PhươngtrìnhcủaFORECASTlà: •Ví dụ:Dựa vào bảng phân tích lợi nhuận dựa theo giá thành ở bảng sau. Hãy ước lượng mức lợi nhuận khi giá thành =$270,000 ?Mức lợi nhuận tương ứng với giá thành = $270,000 sẽ là:A11 = FORECAST(B11, A2:A10, B2:B10) = $288,811Hàm GROWTH()Tính toán sự tăng trưởng dự kiến theo hàm mũ bằng cách sử dụng dữ kiện hiện có. GROWTH() trả về các giá trị ytừ các giá trị x được chỉ định bằng cách sử dụng các giá trị x hiện có.GROWTH() là một hàm cho ra kết quả là một mảng, do đó nó phải được nhập ở dạng công thức mảng.Cú pháp: = GROWTH(known_ys, known_xs, new_xs, const)Known_ys : Một tập hợp các giá trị y đã biết, trong mối quan hệ y = b*m^x.- Nếu mảng known_ys nằm trong một cột, thì mỗi cột của known_xs được hiểu như là một biến độc lập.- Nếu mảng known_ys nằm trong một dòng, thì mỗi dòng của known_xs được hiểu như là một biến độc lập.- Nếu có bất kỳ số nào trong known_ys là 0 hay là số âm, GROWTH() sẽ trả về giá trị lỗi #NUM!Known_xs : Một tập hợp tùy chọn các giá trị x đã biết, trong mối quan hệ y = b*m^x.- Mảng known_xs có thể bao gồm một hay nhiều tập biến. Nếu chỉ một biến được sử dụng, known_xs vàknown_ys có thể có hình dạng bất kỳ, miễn là chúng có kích thước bằng nhau. Nếu có nhiều biến được sử dụng,known_ys phải là một vectơ (là một dãy, với chiều cao là một dòng, hay với độ rộng là một cột)- Nếu bỏ qua known_xs, known_xs sẽ được giả sử là một mảng {1, 2, 3, ...} với kích thước bằng với known_ys.New_xs : Là các giá trị x mới, dùng để GROWTH() trả về các giá trị y tương ứng.- New_xs phải gồm một cột (hay một dòng) cho mỗi biến độc lập, giống như known_xs. Vì thế, nếu known_ysnằm trong một cột đơn, thì known_xs và new_xs phải có cùng số lượng các cột; nếu known_ys nằm trên một dòngđơn, thì known_xs và new_xs phải có cùng số lượng các dòng.- Nếu bỏ qua new_xs, new_xs sẽ được giả sử giả sử là giống như known_xs.- Nếu bỏ qua cả known_xs và new_xs sẽ được giả sử là mảng {1, 2, 3, ...} với kích thước bằng với known_ys.Const : Là một giá trị logic cho biết có nên ép hằng số b để nó bằng 1 hay không (trong mối quan hệ y = b*m^x).- Nếu const là TRUE (1) hoặc bỏ qua, b được tính bình thường.- Nếu const là FALSE (0), v được gán bằng 1, khi đó các giá trị m sẽ được điều chỉnh để y = m*x.Lưu ý: Khinhậphằngmảngchođốisố,nhưhằngmảngchoknown_yschẳnghạn,dùngdấuphẩyđể • phâncáchcáctrịtrêncùngdòng,vàdấuchấmphẩyđểphâncáchcácdòng.Ví dụ:Đây mà một bảng mô tả mức tăng trưởng doanh thu của một đơn vị từ tháng thứ 11 đến tháng thứ 16.Dựa theo mức tăng trưởng này, dự đoán doanh thu của tháng thứ 17 và 18 ?Chọn cả hai ô B9:B10, nhập công thức mảng:{ ...