Thep Excel

คำนวณค่าเฉลี่ยของ 'ส่วนเบี่ยงเบนสัมบูรณ์' (Average Absolute Deviation) คือดูว่าข้อมูลแต่ละตัวห่างจากค่าเฉลี่ยโดยรวมมากน้อยแค่ไหนโดยเฉลี่ย (ยิ่งมากแสดงว่าข้อมูลกระจายตัวสูง)

=AVEDEV(number1, [number2], ...)

AVERAGE คืนค่าเฉลี่ยของกลุ่มตัวเลขที่ระบุ โดยจะนับเฉพาะเซลล์ที่มีตัวเลขและค่า 0 เท่านั้น ส่วนเซลล์ว่างหรือข้อความจะถูกข้ามไป ไม่นำมาเป็นตัวหาร ซึ่งหลายคนมักพลาดความแตกต่างระหว่าง 0 กับเซลล์ว่าง ตรงนี้สำคัญมากครับ เพราะมันทำให้ค่าเฉลี่ยที่ได้ต่างกันเลย

=AVERAGE(number1, [number2], ...)

หาค่าเฉลี่ยคล้าย AVERAGE แต่ 'นับรวมข้อความและค่าตรรกะด้วย' โดย TRUE=1, FALSE=0 และข้อความตรงที่พิมพ์เข้ามา=0 (AVERAGE ปกติจะข้ามพวกนี้ไปเลย)

=AVERAGEA(value1, [value2], ...)

AVERAGEIF จะหาค่าเฉลี่ยของตัวเลขในช่วงข้อมูลที่ตรงตามเงื่อนไขเพียง 1 ข้อเท่านั้น เช่น หาคะแนนเฉลี่ยของนักเรียนที่สอบผ่าน หรือหาเงินเดือนเฉลี่ยตามแผนก ประสิทธิภาพดีกว่าการใช้ AVERAGEPRODUCT หรือ Array Formula มาก

=AVERAGEIF(range, criteria, [average_range])

AVERAGEIFS คำนวณค่าเฉลี่ยเลขคณิตของเซลล์ที่ตรงตามเงื่อนไขหลายข้อพร้อมกัน โดยใช้ AND Logic (ต้องตรงทุกเงื่อนไข) รองรับเงื่อนไขได้สูงสุด 127 คู่ สามารถใช้กับข้อความ ตัวเลข วันที่ และ wildcard characters ทุก criteria_range ต้องมีขนาดเท่ากับ average_range เหมาะสำหรับการวิเคราะห์ข้อมูลแบบเจาะลึกตามหลายมิติ เช่น วิเคราะห์ยอดขายตามภูมิภาค สินค้า และช่วงเวลา หรือวิเคราะห์คะแนนตามห้อง เพศ และระดับคะแนน

=AVERAGEIFS(average_range, criteria_range1, criteria1, [criteria_range2, criteria2], ...)

BETA.DIST คำนวณความน่าจะเป็นของการแจกแจงแบบ Beta ใช้หาโอกาส/ความหนาแน่นของค่าข้อมูลที่อยู่ระหว่าง 0-1 หรือช่วงใด ๆ มักใช้ในการบริหารโครงการและวิเคราะห์ตัวแปรเปอร์เซ็นต์

=BETA.DIST(x, alpha, beta, cumulative, [A], [B])

BETA.INV ใช้หาค่าผกผันของ Beta Distribution เพื่อหาว่าต้องทำได้เท่าไหร่ถึงจะมีความมั่นใจระดับ X% ใช้เยอะในการวางแผนโครงการ

=BETA.INV(probability, alpha, beta, [A], [B])

คำนวณโอกาสที่จะ 'สำเร็จ' จำนวน k ครั้ง จากการทดลอง n ครั้ง (เช่น โยนเหรียญ 10 ครั้ง ออกหัว 5 ครั้ง มีโอกาสกี่ %)

=BINOM.DIST(number_s, trials, probability_s, cumulative)

หาโอกาสความสำเร็จในช่วงที่กำหนด (เช่น สำเร็จระหว่าง 3 ถึง 5 ครั้ง) สะดวกกว่าการใช้ BINOM.DIST มาลบกัน

=BINOM.DIST.RANGE(trials, probability_s, number_s, [number_s2])

ฟังก์ชันหาจำนวนความสำเร็จที่น้อยที่สุด ที่ทำให้ความน่าจะเป็นสะสม >= ค่าเกณฑ์ที่กำหนด เหมือนจะตอบว่า 'ต้องลองกี่ครั้งถึงจะมั่นใจได้'

=BINOM.INV(trials, probability_s, alpha)

CHISQ.DIST ส่งกลับค่าความน่าจะเป็นของการแจกแจงแบบ Chi-squared ซึ่งใช้ในการทดสอบสมมติฐานทางสถิติ

=CHISQ.DIST(x, deg_freedom, cumulative)

CHISQ.DIST.RT คำนวณความน่าจะเป็นหางขวา (P-Value) ของการแจกแจง Chi-Square ใช้สำหรับการทดสอบสมมติฐานทางสถิติ

=CHISQ.DIST.RT(x, deg_freedom)

CHISQ.INV ค้นหาค่าตัวแปร X ที่ทำให้พื้นที่ใต้เส้นโค้งของการแจกแจง Chi-squared ทางท้ายซ้ายเท่ากับความน่าจะเป็นที่กำหนด ใช้ในการวิเคราะห์สถิติเพื่อการทดสอบสมมติฐาน

=CHISQ.INV(probability, deg_freedom)

CHISQ.INV.RT ใช้หาค่าวิกฤต (critical value) ของการแจกแจงแบบ Chi-squared ทางหางขวา โดยให้ความน่าจะเป็นและองศาอิสระ มักใช้ในการทดสอบสมมติฐานทางสถิติ

=CHISQ.INV.RT(probability, deg_freedom)

CHISQ.TEST ทดสอบความสัมพันธ์ระหว่างตัวแปรสองตัวโดยเปรียบเทียบค่าจริง (observed) กับค่าคาดหวัง (expected) และคืนค่า P-Value

=CHISQ.TEST(actual_range, expected_range)

CONFIDENCE.NORM คำนวณ margin of error สำหรับช่วงความเชื่อมั่นของค่าเฉลี่ยประชากร เมื่อทราบค่า standard deviation แบบ Normal Distribution (Z-Test)

=CONFIDENCE.NORM(alpha, standard_dev, size)

CONFIDENCE.T คำนวณช่วงความเชื่อมั่น (Confidence Interval) ของค่าเฉลี่ยประชากรโดยใช้การแจกแจงแบบ T-Distribution เหมาะสำหรับกลุ่มตัวอย่างขนาดเล็ก

=CONFIDENCE.T(alpha, standard_dev, size)

CORREL หาค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างข้อมูล 2 ชุด ผลลัพธ์เป็น -1 ถึง 1 บอกให้เห็นว่าข้อมูลทั้งสองไปทางเดียวกันหรือสวนทางกัน

=CORREL(array1, array2)

COUNT นับเฉพาะเซลล์ที่มี Data Type เป็นตัวเลข (Number) รวมถึงตัวเลขลบ เปอร์เซ็นต์ วันที่ เวลา เศษส่วน และผลลัพธ์จากสูตรที่คืนค่าเป็นตัวเลข เพิกเฉยเซลล์ว่าง ข้อความ ค่า Logic และ error values โดยอัตโนมัติ ทำให้ไม่ต้องกังวลว่าจะนับข้อมูลผิดถ้ามีข้อความปนอยู่ในช่วง

=COUNT(value1, [value2], ...)

COUNTA นับจำนวนเซลล์ที่มีข้อมูลทุกประเภท ไม่ว่าจะเป็นตัวเลข ข้อความ ค่า Logic (TRUE/FALSE) Error Values หรือแม้แต่ข้อความว่าง ("") ที่เกิดจากสูตร.เรียกได้ว่าเป็นเครื่องมือหลักในการตรวจสอบความสมบูรณ์ของข้อมูล หรือนับจำนวนรายการโดยไม่สนใจว่าข้อมูลจะเป็น Data Type ใดก็ตาม

=COUNTA(value1, [value2], ...)

COUNTBLANK นับจำนวนเซลล์ว่างในช่วงข้อมูล เหมาะสำหรับตรวจสอบความสมบูรณ์ของข้อมูล

=COUNTBLANK(range)

COUNTIF ใช้นับจำนวนเซลล์ที่ตรงตามเงื่อนไขเดียว รองรับเงื่อนไขทั้งตัวเลข ข้อความ และการใช้ Wildcard (*, ?) สำหรับค้นหาแบบ pattern matching ไม่สนใจตัวพิมพ์เล็ก/ใหญ่ (case-insensitive) ข้อจำกัด: criteria ห้ามยาวเกิน 255 ตัวอักษร

=COUNTIF(range, criteria)

COUNTIFS นับจำนวนเซลล์ที่ตรงกับหลายเงื่อนไขพร้อมกัน โดยใช้ AND logic หมายความว่าเงื่อนไขทุกข้อต้องเป็นจริงถึงจะนับ ซึ่งต่างจาก COUNTIF ที่มีได้แค่เงื่อนไขเดียว.ข้อดีคือรองรับได้ถึง 127 คู่ criteria_range/criteria ทำให้วิเคราะห์ข้อมูลซับซ้อนได้อย่างมีประสิทธิภาพ รองรับ wildcard characters (* แทนตัวอักษรกี่ตัวก็ได้, ? แทนตัวอักษรหนึ่งตัว) และ operators (>, =, <=, ) สำหรับเปรียบเทียบตัวเลขและวันที่.ที่ต้องระวังคือ criteria_range ทุกตัวต้องมีขนาดเท่ากันทุกประการ (rows × columns) มิฉะนั้นจะเกิด #VALUE! error ทันที COUNTIFS เป็นส่วนหนึ่งของ IFS family (SUMIFS, AVERAGEIFS, MAXIFS, MINIFS) ที่มี syntax คล้ายกัน เหมาะมากสำหรับสร้าง dashboard แบบ real-time และวิเคราะห์ KPI หลายมิติ

=COUNTIFS(criteria_range1, criteria1, [criteria_range2, criteria2], ...)

ฟังก์ชัน COVARIANCE.P ใช้คำนวณความแปรปรวนร่วมของประชากร (Population Covariance) ซึ่งวัดความสัมพันธ์ระหว่างสองชุดข้อมูล โดยผลลัพธ์บวกแสดงว่าข้อมูลเคลื่อนไหวไปในทิศทางเดียวกัน ผลลัพธ์ลบแสดงว่าเคลื่อนไหวสวนทางกัน

=COVARIANCE.P(array1, array2)

COVARIANCE.S คำนวณความแปรปรวนร่วมของกลุ่มตัวอย่าง (Sample Covariance) ซึ่งวัดความสัมพันธ์เชิงเส้นระหว่างชุดข้อมูลสองชุด โดยใช้ตัวหาร n-1 สำหรับการประมาณค่าประชากร

=COVARIANCE.S(array1, array2)

DEVSQ คำนวณผลรวมของกำลังสองของผลต่างระหว่างแต่ละค่ากับค่าเฉลี่ย ซึ่งเป็นพื้นฐานสำคัญในการคำนวณความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน

=DEVSQ(number1, [number2], ...)

EXPON.DIST คำนวณความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้นในช่วงเวลาหนึ่ง โดยอ้างอิงจากการแจกแจงแบบ Exponential

=EXPON.DIST(x, lambda, cumulative)

F.DIST ใช้หาค่าความน่าจะเป็นของการแจกแจงแบบ F สำหรับทดสอบความแตกต่างของความแปรปรวน (Variance) ระหว่างกลุ่มข้อมูล

=F.DIST(x, deg_freedom1, deg_freedom2, cumulative)

ฟังก์ชัน F.DIST.RT ใน Excel ใช้หาค่าความน่าจะเป็นของการแจกแจง F ทางหางขวา (Right-tailed) ซึ่งมักใช้ในการทดสอบสมมติฐานทางสถิติ เช่น ANOVA เพื่อหาค่า P-value และตัดสินใจว่าผลต่างระหว่างกลุ่มมีนัยสำคัญหรือไม่

=F.DIST.RT(x, deg_freedom1, deg_freedom2)

F.INV หาค่าผกผันของการแจกแจงแบบ F (Left-tailed) จากค่าความน่าจะเป็นที่กำหนด ใช้ในการทดสอบสมมติฐานทางสถิติเพื่อเปรียบเทียบความแปรปรวนของสองชุดข้อมูล

=F.INV(probability, deg_freedom1, deg_freedom2)

F.INV.RT หาค่าผกผันของการแจกแจงแบบ F ทางหางขวา ใช้หาค่าวิกฤต (Critical Value) ในการทดสอบสมมติฐานทางสถิติ เหมาะสำหรับการวิเคราะห์ความแปรปรวน (ANOVA) และการเปรียบเทียบความหลากหลายของข้อมูล

=F.INV.RT(probability, deg_freedom1, deg_freedom2)

F.TEST ทดสอบว่าสองชุดข้อมูลมีความแปรปรวน (การกระจายตัว) ที่แตกต่างกันอย่างมีนัยสำคัญหรือไม่ โดยคืนค่า P-Value สำหรับการตัดสินใจทางสถิติ

=F.TEST(array1, array2)

FISHER แปลงค่าสัมประสิทธิ์สหสัมพันธ์เป็นค่า Fisher Z ที่มีการกระจายแบบปกติ ใช้สำหรับการทดสอบสมมติฐานทางสถิติ

=FISHER(x)

FISHERINV แปลงค่า Fisher transformation กลับเป็นค่าสัมประสิทธิ์สหสัมพันธ์ (correlation coefficient) ระหว่าง -1 ถึง 1

=FISHERINV(y)

ฟังก์ชันที่ใช้สมการถดถอยเชิงเส้น (Linear Regression) เพื่อพยากรณ์ค่าในอนาคต โดยยึดตามแนวโน้มข้อมูลในอดีต

=FORECAST(x, known_y's, known_x's)

FORECAST.ETS พยากรณ์ค่าในอนาคตโดยใช้เทคนิค Exponential Triple Smoothing (ETS) ซึ่งจัดการกับเทรนด์และฤดูกาลได้อัจฉริยะ

=FORECAST.ETS(target_date, values, timeline, [seasonality], [data_completion], [aggregation])

FORECAST.ETS.CONFINT หาช่วงความเชื่อมั่น (Confidence Interval) ของค่าที่พยากรณ์จากข้อมูลชุดเวลา โดยใช้วิธี Exponential Triple Smoothing (ETS)

=FORECAST.ETS.CONFINT(target_date, values, timeline, [confidence_level], [seasonality], [data_completion], [aggregation])

ฟังก์ชัน FORECAST.ETS.SEASONALITY ตรวจจับความยาวของรอบฤดูกาล (seasonality) ในข้อมูลอนุกรมเวลา โดยใช้อัลกอริทึม Exponential Triple Smoothing (ETS) ที่ Excel ใช้สำหรับพยากรณ์

=FORECAST.ETS.SEASONALITY(values, timeline, [data_completion], [aggregation])

ส่งกลับค่าสถิติต่างๆ จากการวิเคราะห์พยากรณ์แบบ ETS (Exponential Triple Smoothing) เช่น Alpha, Beta, Gamma, MASE, SMAPE, MAE, RMSE และ Step size

=FORECAST.ETS.STAT(values, timeline, statistic_type, [seasonality], [data_completion], [aggregation])

พยากรณ์ค่าในอนาคตโดยใช้สมการถดถอยเชิงเส้น (Linear Regression) จากข้อมูลชุดเดิม

=FORECAST.LINEAR(x, known_y's, known_x's)

FREQUENCY นับจำนวนค่าที่ตกอยู่ในแต่ละช่วงที่กำหนด และคืนค่าเป็น Array แนวตั้ง เหมาะสำหรับสร้าง Histogram และวิเคราะห์การกระจายข้อมูล

=FREQUENCY(data_array, bins_array)

ส่งกลับค่า Gamma function Γ(x) ซึ่งเป็นฟังก์ชันคณิตศาสตร์ที่ขยายแนวคิดของแฟกทอเรียลไปยังจำนวนจริงและจำนวนเชิงซ้อน

=GAMMA(number)

GAMMA.DIST คำนวณความน่าจะเป็นจากการแจกแจงแบบ Gamma โดยรับค่า x, alpha, beta และการเลือกระหว่าง PDF (probability density function) หรือ CDF (cumulative distribution function)

=GAMMA.DIST(x, alpha, beta, cumulative)

GAMMA.INV หาค่า X ที่สอดคล้องกับความน่าจะเป็นที่กำหนดในการแจกแจงแบบ Gamma โดยมีพารามิเตอร์ Alpha (shape) และ Beta (scale).

=GAMMA.INV(probability, alpha, beta)

GAMMALN ส่งกลับค่าลอการิทึมธรรมชาติของฟังก์ชัน Gamma: ln(Γ(x)) – ใช้ในสถิติและการวิเคราะห์ข้อมูลขั้นสูง

=GAMMALN(x)

GAMMALN.PRECISE ส่งกลับค่าลอการิทึมธรรมชาติของฟังก์ชัน Gamma โดยมีความแม่นยำสูงกว่า GAMMALN ปกติ

=GAMMALN.PRECISE(x)

GAUSS คำนวณความน่าจะเป็นที่ค่าจะอยู่ระหว่างค่าเฉลี่ยและค่า Z-score ที่กำหนด โดยคืนค่า NORM.S.DIST(z, TRUE) – 0.5

=GAUSS(z)

GEOMEAN หาค่าเฉลี่ยเรขาคณิต (Geometric Mean) ของชุดข้อมูล ใช้ได้ดีกับข้อมูลที่มีการเปลี่ยนแปลงในรูปแบบเปอร์เซ็นต์ เช่น อัตราการเติบโต ผลตอบแทน หรือความเสี่ยง

=GEOMEAN(number1, [number2], ...)

GROUPBY เป็นฟังก์ชันใหม่ใน Excel 365 ที่ใช้จัดกลุ่มข้อมูลและคำนวณผลสรุป (เช่น SUM, COUNT, AVERAGE) ตามกลุ่มนั้นๆ คล้ายกับการทำงานของ Pivot Table แต่ยืดหยุ่นกว่าเพราะเป็นสูตร สามารถกำหนดหัวตาราง ผลรวมย่อย และการเรียงลำดับได้ในตัว

=GROUPBY(row_fields, values, function, [field_headers], [total_depth], [sort_order], [filter_array], [field_relationship])

GROWTH พยากรณ์การเติบโตแบบ Exponential จากข้อมูลในอดีต โดยใช้สูตร y = b*m^x แทนการเรียงแบบเส้นตรง

=GROWTH(known_y's, [known_x's], [new_x's], [const])