ฟังก์ชัน COVARIANCE.P ใช้คำนวณความแปรปรวนร่วมของประชากร (Population Covariance) ซึ่งวัดความสัมพันธ์ระหว่างสองชุดข้อมูล โดยผลลัพธ์บวกแสดงว่าข้อมูลเคลื่อนไหวไปในทิศทางเดียวกัน ผลลัพธ์ลบแสดงว่าเคลื่อนไหวสวนทางกัน
| อาร์กิวเมนต์ | ชนิด | คำอธิบาย |
|---|---|---|
| array1 | Range/Array | ชุดข้อมูลแรก (เช่น คะแนน X) |
| array2 | Range/Array | ชุดข้อมูลที่สอง (เช่น คะแนน Y) |
COVARIANCE.P ช่วยหาค่าความแปรปรวนร่วมของประชากร (Population Covariance) โดยคำนวณค่าเฉลี่ยของผลคูณของส่วนเบี่ยงเบนสำหรับแต่ละคู่ข้อมูล
สูตรทั่วไปคือ: Covariance = SUM((x – mean_x) * (y – mean_y)) / n
ความแตกต่างหลัก: COVARIANCE.P หารด้วย n (จำนวนข้อมูลทั้งหมด) ใช้เมื่อข้อมูลเป็นประชากรทั้งหมด ส่วน COVARIANCE.S หารด้วย (n-1) ใช้เมื่อข้อมูลเป็นตัวอย่างจากประชากรที่ใหญ่กว่า
ที่เจ๋งคือ: ค่าความแปรปรวนร่วมไม่มีหน่วยที่เข้าใจง่าย แต่ช่วยให้รู้ว่าตัวแปรสองตัวมีความสัมพันธ์กันแค่ไหน คุณสามารถใช้กับ CORREL เพื่อปรับให้เป็นค่า -1 ถึง 1 ได้
ค่า covariance เป็นบวก (2.5) แสดงว่าเมื่อชั่วโมงเรียนเพิ่มขึ้น คะแนนก็เพิ่มขึ้นด้วย
ใช้หา covariance ระหว่างผลตอบแทนของสองหุ้น ช่วยตัดสินใจการลงทุนพอร์ตโฟลิโอ
ค่า covariance เป็นลบ (-250) แสดงว่ามีความสัมพันธ์ผกผัน: เมื่อราคาสูงขึ้น ปริมาณขายลดลง
เมื่อค่า covariance ใกล้ 0 แสดงว่าไม่มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างสองตัวแปร
COVARIANCE.P (ประชากร) หารด้วย n ใช้เมื่อข้อมูลเป็นประชากรทั้งหมด ส่วน COVARIANCE.S (ตัวอย่าง) หารด้วย (n-1) ใช้เมื่อข้อมูลเป็นตัวอย่างเท่านั้น ส่วนใหญ่ในการวิเคราะห์ข้อมูล ให้ใช้ COVARIANCE.S
ค่าลบแสดงว่ามีความสัมพันธ์ผกผัน: เมื่อตัวแปรหนึ่งเพิ่มขึ้น อีกตัวแปรหนึ่งจะลดลง
ใช่ array1 และ array2 ต้องมีจำนวนข้อมูลเท่ากัน ถ้าไม่เท่า Excel จะแสดง #N/A error
Excel จะไม่นับเซลล์ว่าง ข้อความ และค่าตรรกะ (TRUE/FALSE) เอง แต่เซลล์ที่มีค่า 0 จะถูกนับรวม
ไม่มีข้อจำกัด แต่ยิ่งข้อมูลมากเท่าไหร่ ผลลัพธ์ก็ยิ่งเชื่อถือได้
ฟังก์ชันที่ผู้เขียนโยงไว้กับ COVARIANCE.P จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
CORREL หาค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างข้อมูล 2 ชุด ผลลัพธ์เป็น -1 ถึง 1 บอกให้เห็นว่าข้อมูลทั้งสองไปทางเดียวกันหรือสวนทางกัน
COVARIANCE.S คำนวณความแปรปรวนร่วมของกลุ่มตัวอย่าง (Sample Covariance) ซึ่งวัดความสัมพันธ์เชิงเส้นระหว่างชุดข้อมูลสองชุด โดยใช้ตัวหาร n-1 สำหรับการประมาณค่าประชากร
หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ระหว่างสองชุดข้อมูล – เหมือน CORREL
ฟังก์ชันเก่าสำหรับคำนวณความแปรปรวนร่วม (Covariance) ระหว่างข้อมูลสองชุด เพื่อวัดความสัมพันธ์ระหว่างตัวแปร ควรใช้ COVARIANCE.P แทน
STDEV คำนวณส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) สำหรับกลุ่มตัวอย่าง โดยใช้วิธี n-1
VAR คำนวณความแปรปรวนของกลุ่มตัวอย่าง (sample variance) โดยใช้สูตร n-1 ในตัวส่วน ปัจจุบัน Microsoft แนะนำให้ใช้ VAR.S แทน ซึ่งให้ผลลัพธ์เหมือนกันแต่ชื่อชัดเจนกว่า
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่