ฟังก์ชัน NORM.S.DIST ช่วยหาค่าความน่าจะเป็นของการแจกแจงปกติมาตรฐาน (Mean=0, SD=1) ใช้สำหรับการวิเคราะห์ทางสถิติ
| อาร์กิวเมนต์ | ชนิด | คำอธิบาย |
|---|---|---|
| z | Number | ค่า Z-score ที่ต้องการหาความน่าจะเป็น (ตัวเลขอะไรก็ได้ รวมทั้งลบด้วย) |
| cumulative | Boolean | TRUE = ความน่าจะเป็นสะสม (CDF) ค่าที่น้อยกว่า z | FALSE = ความสูงของเส้นโค้ง (PDF) ที่จุด z |
NORM.S.DIST เป็นฟังก์ชันที่ใช้หาค่าความน่าจะเป็นของการแจกแจงปกติมาตรฐาน (Standard Normal Distribution) ที่มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐาน 1
ฟังก์ชันนี้มีความสำคัญในการวิเคราะห์ทางสถิติ เพราะว่า Z-score คือการเปลี่ยนข้อมูลปกติใด ๆ ให้เป็นหน่วยมาตรฐาน หากคุณมีข้อมูลปกติที่มีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานต่างกัน สามารถใช้ NORM.DIST พร้อมกับ NORM.S.DIST เพื่อเปรียบเทียบ
สิ่งที่ต้องระวังคือ parameter cumulative มีความหมายสำคัญมากๆ ถ้าเป็น TRUE จะได้ Cumulative Distribution Function (CDF) ซึ่งบอกสัดส่วนที่น้อยกว่าค่านั้น แต่ถ้าเป็น FALSE จะได้ Probability Density Function (PDF) ซึ่งบอกความสูงของเส้นโค้งที่จุดนั้น ใช้ CDF มากกว่า PDF ในแบบฝึกหัด
ได้ค่า 0.975 หมายความว่า 97.5% ของข้อมูลที่มีการแจกแจงปกติมาตรฐานจะมีค่าน้อยกว่า 1.96 Z-score นี้ใช้บ่อยในการสร้างช่วงความเชื่อมั่น 95% (±1.96)
ได้ค่า 0.5 เพราะว่าค่าเฉลี่ย (z=0) อยู่ตรงกลางการแจกแจง ดังนั้นมี 50% ของข้อมูลอยู่ข้างซ้าย 50% อยู่ข้างขวา
ได้ค่า 0.067 หมายความว่ามี 6.7% ของข้อมูลที่มีค่าน้อยกว่า -1.5 Z-score ลบหมายถึงค่าที่ต่ำกว่าค่าเฉลี่ย
ได้ค่า 0.3989 ซึ่งบอกความสูงของเส้นโค้งปกติมาตรฐานที่จุดค่าเฉลี่ย ค่านี้ใช้ไม่บ่อยเท่า CDF แต่เป็นประโยชน์ในการวาดกราฟ
NORM.S.DIST ใช้สำหรับการแจกแจงปกติมาตรฐานเท่านั้น (Mean=0, SD=1) แต่ NORM.DIST สามารถใช้กับข้อมูลปกติใด ๆ ได้โดยระบุ Mean และ SD เอง ถ้าข้อมูลของคุณเป็นปกติปกติแต่มีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานต่างกัน ให้ใช้ NORM.DIST แทน
CDF (Cumulative Distribution Function) บอกสัดส่วนที่น้อยกว่าค่านั้น เช่น NORM.S.DIST(1.96, TRUE) = 0.975 หมายถึง 97.5% ของข้อมูลอยู่ต่ำกว่า 1.96 PDF (Probability Density Function) บอกความสูงของเส้นโค้ง ณ จุดนั้น โดยไม่ใช่ค่าความน่าจะเป็นตรง ๆ ในกรณีส่วนใหญ่คุณจะใช้ CDF (TRUE) มากกว่า
Z-score ช่วยให้สามารถเปรียบเทียบข้อมูลจากการแจกแจงที่ต่างกัน ได้ เช่น คะแนนสอบและน้ำหนัก หากแปลงเป็น Z-score ก็สามารถเปรียบเทียบได้ว่าตัวไหนดีกว่า นอกจากนี้ยังช่วยให้คำนวณหาความน่าจะเป็นได้ง่ายขึ้น
ฟังก์ชันที่ผู้เขียนโยงไว้กับ NORM.S.DIST จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
CONFIDENCE.NORM คำนวณ margin of error สำหรับช่วงความเชื่อมั่นของค่าเฉลี่ยประชากร เมื่อทราบค่า standard deviation แบบ Normal Distribution (Z-Test)
GAUSS คำนวณความน่าจะเป็นที่ค่าจะอยู่ระหว่างค่าเฉลี่ยและค่า Z-score ที่กำหนด โดยคืนค่า NORM.S.DIST(z, TRUE) – 0.5
LOGNORM.DIST คำนวณความน่าจะเป็นของการแจกแจงแบบ Lognormal สำหรับข้อมูลที่มีการแจกแจงเบ้ขวา (โดยทั่วไปข้อมูลที่เป็นบวก)
NORM.DIST คำนวณความน่าจะเป็นหรือความหนาแน่นของการแจกแจงปกติ (Normal Distribution) ใช้ในสถิติหรือการวิเคราะห์ข้อมูล
ฟังก์ชัน NORM.S.INV ใช้หาค่า Z-score (ค่าผกผัน) จากความน่าจะเป็น สำหรับการแจกแจงปกติมาตรฐาน (mean=0, std=1) ส่วนใหญ่ใช้ในการวิเคราะห์สถิติและการประเมินความเสี่ยง
ฟังก์ชัน PHI ส่งกลับค่าฟังก์ชันความหนาแน่นความน่าจะเป็น (PDF) สำหรับการแจกแจงปกติมาตรฐาน (Standard Normal Distribution) ที่ค่า Z ที่ระบุ มีประโยชน์ในการวิเคราะห์สถิติและความน่าจะเป็น
STANDARDIZE คำนวณค่า Z-Score ซึ่งแสดงว่าค่านั้นอยู่ห่างจากค่าเฉลี่ยกี่เท่าของส่วนเบี่ยงเบนมาตรฐาน ใช้ในการทำให้ข้อมูลจากแหล่งต่างๆ อยู่บนสเกลเดียวกันได้
T.DIST.2T ใช้หาค่าความน่าจะเป็น (p-value) ของการแจกแจงแบบ t สองหาง ใช้ในการทดสอบสมมติฐานทางสถิติ
ฟังก์ชัน T.DIST.RT ใช้คำนวณความน่าจะเป็นของการแจกแจง t-distribution ทางด้านขวา (right-tailed) สำหรับการทดสอบสมมติฐานด้วยตัวอย่างขนาดเล็ก
ฟังก์ชันทางสถิติที่คำนวณค่า P-value สำหรับการทดสอบ Z-test เพื่อทดสอบว่าค่าเฉลี่ยของกลุ่มตัวอย่างสอดคล้องกับค่าเฉลี่ยประชากรที่สมมติหรือไม่
NORMSDIST หาความน่าจะเป็นสะสมของค่า Z ในการแจกแจงปกติมาตรฐาน (mean=0, SD=1) ใช้เทียบทีมขายหรือตรวจคุณภาพว่าค่าที่วัดได้อยู่ในเกณฑ์ปกติหรือผิดปกติแค่ไหน เป็นฟังก์ชันเก่าที่ Excel แนะนำให้เปลี่ยนไปใช้ NORM.S.DIST แทน
NORMSINV เป็นฟังก์ชันชื่อเก่า (legacy) สำหรับหาค่าผกผันของการแจกแจงปกติมาตรฐาน (Standard Normal) โดยรับค่า probability แล้วคืนค่า z-score ที่ทำให้ความน่าจะเป็นสะสมเท่ากับค่านั้น ปัจจุบันแนะนำให้ใช้ NORM.S.INV แทน
คำนวณค่า P-value แบบ one-tailed จากการทดสอบ z-test เพื่อดูว่าค่าเฉลี่ยของกลุ่มตัวอย่างต่างจากค่าที่ตั้งสมมติฐานไว้มากแค่ไหน (ฟังก์ชันเก่า แนะนำใช้ Z.TEST แทน)
ฟังก์ชัน ERF.PRECISE ใช้คำนวณค่า Error Function ที่บูรณาการตั้งแต่ 0 ถึงค่าที่ระบุ ใช้ในการวิเคราะห์สถิติและฟิสิกส์ โดยเป็นรุ่นที่แม่นยำกว่าของ ERF().
ERFC.PRECISE คำนวณค่า Complementary Error Function ที่จุด x โดยใช้ความแม่นยำสูง สำหรับการวิเคราะห์ทางสถิติและความน่าจะเป็น
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่