CORREL函数： CORREL(array1,array2)
返回单元格区域 array1 和 array2 之间的相关系数 。使用相关系数可以确定两种属性之间的关系。例如 ，可以检测某地的平均温度和空调使用情况之间的关 系。 Array1 第一组数值单元格区域。 Array2 第二组数值单元格区域。 如果 array1 和 array2 的数据点的数目不同，函数 CORREL 返回错误值 #N/A。
Excel创建图表步骤
Excel创建图表步骤
2 数据分析
数据分析，必须进行宏加载，快捷方式为“Alt+T”,之后在输入“i”
（1）描述统计
常用的描述统计量有众数、中位数、算术平均数、调和平 均数、几何平均数、极差、四分位差、标准差、方差、标 准差系数等。下面介绍如何用函数来计算描述统计量。
（2）直方图分析工具
注意:在公式的计算过程中，“：”和“，”的使用， “：”表示的是一个区间范围内； “，”表示的是特定单元格之间的关系。
Excel在数学建模的应用
----编辑Excel图表和分析
1 图表
2 数据分析 3 相关性分析
1 图表
所谓图表，是指以图形方式显示数据表格，更加 直观地表达数据信息所体现的内在含义。
幂函数回归
基本形式
JENSEN模型（水 分生产函数）
d 2
n ETci i Y ( ) Ym ETcmi i 1
y x x
b 1
两边同时取对数转化为线性形式
ln(y) b ln(x1 ) d (ln(x2 )
基本形式
y ce
两边取对数
bx
对截距反对 数
ln( y) ln(c) bx
back
1.6设置单元格
设置日期类型格式（如图）： • 1、选中数据区域 • 2、在选中的数据区域中点击鼠标右键，选择"设置单元格格式"
第二单元 EXCEL基础操作
• • • • • • • • • • 2. 1 选中单元格 2. 2 插入行 2. 3 插入列 2. 4 插入单元格 2. 5 删除单元格（或行、或列） 2. 6 复制单元格 2. 7 添加边框 2. 8 格式刷的使用 2. 9 隐藏行或列 2. 10打印规范
数学建模系列讲座
— Excel学习
2013年7月16日
EXCEL学习
• 第一部分 Excel初学 • 第二部分 Excel的数学建模实例分析
第一单元 EXCEL入门
• 1.1 数据的录入 • 1.2 自动填充功能 • 1.3 简单计算 • 1.4 粘贴函数及数字 • 1.5 调整列宽 • 1.6 设置单元格
• （2）方差分析表 • 方差分析表的主要作用是通过F检验来判断回归 模型的回归效果。表中“回归分析”行计算的 是估计值同均值之差（-）的各项指标；“残差” 行是用于计算每个样本观察值与估计值之差（-） 的各项指标；“总计”行用于计算每个值同均 值之差（-）的各项指标。第二列df是自由度， 第三列SS是离差的平方和，第四列MS是均方差， 它是离差平方和除以自由度，第五列是F统计量， 第六列Significance F是在显著性水平下的Fα 的临界值
例：利用统计数据计算广告费与销售额之间的相关系数。
使用数据分析工具求相关矩阵
利用CORREL函数只能返回两种属性之间的相关系数，如果使用Excel提供 的“数据分析”工具可以计算多组数据间的相关系数，组成相关系数表 。
例:总平均成绩、出勤率、选修学分与每周打工小时数的关系。
4.回归分析
回归分析:当一个结果与一个或多个参数之间存在联系时，可以进行回归分 析，通常可由一个或多个自变量来预测一个变量的值。 回归方程:表达参数与结果之间相互关系的数学方程式(数学模型) 线性回归:如果变量与结果之间具有线性关系,我们可以用线性方程式来描 述它们之间的关系,这种回归方法叫线性回归. 非线性回归:如果变量与结果之间不具有线性关系,我们必须用非线性方程 式来描述它们之间的关系(如指数关系,对数关系等等),这种回归方法叫非 线性回归. 单回归:当一个结果只与一个参数存在联系时，进行的回归分析称为单回归 。 复回归:当一个结果与多个参数存在联系时，进行的回归分析称为复回归。 判定系数(R2):用来确定回归方程式的可解释性，即吻合程度。范围在0-1 之间，越接近1，解释性越强，即吻合程度越高。
方差分析 df 回归分析 残差 总计 SS MS F Significance F 1 1908.007 1908.007 585.7682 9.0595E-09 8 26.05818 3.257273 9 1934.065
例：我们收集了某厂家同一车型中旧车的车龄及其售价数据，请使用 数据分析工具，求车龄对售价的回归方程
车龄 1 2 3 4 5 6 7 8 9 10 价格(万) 56.0 48.5 42.0 37.6 32.5 28.7 22.2 18.5 15.0 12.5
SUMMARY OUTPUT 回归统计 Multiple R R Square Adjusted R Square 标准误差 观测值 0.993241 0.986527 0.984843 1.804792 10
然后 ，利用直方图分析工具进行分析，具体操作步骤如下。
第一步：打开“直方图”对话框，确定输入区域、接收区 域和输出区域，（如图所示）
第三步：单击“确定”按钮，在输出区域单元格可得到频 数分布，（如图所示）
第四步：将条形图转换成标准直方图
（如图所示）
3.相关性分析
相关性分析： 判断两组数据集之间的关系。 相关系数（R）： 相关性计算的返回值。用来确定两个区域中 数据的变化是否相关，以及相关的程度。是两组 数据集的协方差除以它们标准偏差的乘积。
回归分析工具的输出解释
③Adjusted R Square（调整复测定系数R2）：仅用 于多元回归才有意义，它用于衡量加入独立变量后 模型的拟合程度。当有新的独立变量加入后，即使 这一变量同因变量之间不相关，未经修正的R2也要 增大，修正的R2仅用于比较含有同一个因变量的各 种模型。 ④标准误差：用来衡量拟合程度的大小，也用于计 算与回归相关的其他统计量，此值越小，说明拟合 程度越好。 ⑤观测值：用于估计回归方程的数据的观测值个数。
back
1.4 粘贴函数及数字
• 步骤1：选中要复制的单元格 • 步骤2：黏贴数字或公式
back
1.5调整列宽
步骤（如右图）： • 1、把鼠标放到列标 志B列和C列中间的竖 线上，鼠标变成一个 左右带有两个箭头的 拖动标记 • 2、按左键，向右拖 动鼠标，调整到合适 （或需要)的宽度时松 开鼠标左键
直方图是一大批数据的频率分布图，由直方图 可以观察和分析数据的概率分布。
直方图分析工具可完成数据的分组、频数分 布与累积频数的计算、绘制直方图与累积折线图 等一系列操作。
例：根据抽样调查，某月某市50户居民购买消 费品支出资料。
（2）直方图分析工具
直方图是一大批数据的频率分布图，由直方图 可以观察和分析数据的概率分布。
直方图分析工具可完成数据的分组、频数分 布与累积频数的计算、绘制直方图与累积折线图 等一系列操作。
例：根据抽样调查，某月某市50户居民购买消 费品支出资料。
首先，将样本数据排成一列，最好对数据进行排序，本例中已利用排 序操作排好序，为A1：A51。输入分组标志，本例中为B1：B10，分别 是899、999、1099、1199、1299、1399、1499、1599、1699（如图所 示）
第一单元 EXCEL入门
1.2 自动填充功能
如右图（上）： • 1、在A1单元格中输入汉字“中 国” • 2、将鼠标移动到A1单元格式黑 色方框右下角，这时鼠标形状 变成为“+” • 3、点击鼠标左键，往下拉动到 A6单元格 • 4、
Excel中，加、减、乘、除的运算符分别是：“+”、“-”、“*”、“/” 用公式计算，计算准则：先乘方，再乘、除，后加、减。所有的公式运 算均以“=”开头。错误的公式以#开头。
T检定:判断回归系数与常数项是否为0
t 检定 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% Intercept 1545.831536 315.1378 4.905255 0.0006 843.6605796 2248.002 843.66058 2248.0025 广告费(万) 3.14338351 1.212087 2.593364 0.0268 0.442684371 5.844083 0.44268437 5.8440827
回归分析信息说明
方差分析(F检定):用回归分析检定,判定变量与自变量之间是否 有显著的回归关系存在。如果显著水准(Significance F)<a值,回 归关系存在,否则不存在。 (在这里判定系数a=1-置信度,在我们回归分析中置信度取95%, 所以a=1-95%=0.05)
方差分析 回归分析 残差 总计 结 论: F 检定中的显著水准 Significance F = 0.026794856<a=0.05 说明:销售量与广告费存在回归关系. df 1 10 11 SS MS F Significance F 1765442 1765442 6.726 0.026794856 2624983 262498.3 4390425
Intercept:回归方程中的常数项信息 广告费(万):自变量X的回归系数信息
结 论: t 检定结果中，常数项为1545.832，P-value = 0.00061826<a=0.05 说明:回归方程式的常数项不应为 0，不可将其省略。 自变量广告费的显著水准 P-value = 0.026795<a=0.05 说明：广告费与销售量间存在直线关系，其系数为3.14338351，正相关。 回归方程式为: Y=3.143384X+1545.832