Datastatistik i Calc
Brug datastatistik i Calc til at udføre kompliceret analyse af data
For at arbejde med komplicerede statistiske eller ingeniør-analyser, kan du spare arbejde og tid ved at bruge Calc Data Statistik. Du indtaster data og parametre for hver analyse, og værktøjerne bruger passende statistiske eller ingeniør-funktioner for at beregne eller vise resultatet i en resultat-tabel.
Stikprøveudtagning
Opret en tabel med prøver udtaget fra en anden tabel.
Prøveudtagning gør det muligt for dig at plukke data fra en kildetabel for at udfylde en måltabel. Prøveudtagningen kan være tilfældig eller efter et mønster.

Prøveudtagning sker rækkevis. Det betyder at de udtagne data vil vælge hele linjen fra kildetabellen og kopiere den ind i en linje i måltabellen.
Prøveudtagningsmetode
Tilfældig: Udtag præcis Prøvestørrelse linjer fra kildetabellen tilfældigt.
Prøvestørrelse: Antal linjer udtaget fra kildetabellen.
Periodisk: Udtager linjer med en afstand defineret af Periode.
Periode: antal linjer der periodisk skal udelades ved prøveudtagning.
Eksempel
Følgende data vil blive brugt som eksempel på kilde-datatabellen for prøveudtagning:
A |
B |
C |
|
1 |
11 |
21 |
31 |
2 |
12 |
22 |
32 |
3 |
13 |
23 |
33 |
4 |
14 |
24 |
34 |
5 |
15 |
25 |
35 |
6 |
16 |
26 |
36 |
7 |
17 |
27 |
37 |
8 |
18 |
28 |
38 |
9 |
19 |
29 |
39 |
Prøveudtagning med en periode på 2 vil resultere i den følgende tabel:
12 |
22 |
32 |
14 |
24 |
34 |
16 |
26 |
36 |
18 |
28 |
38 |
Deskriptiv statistik
Udfyld en tabel i regnearket med datasættets vigtigste statistiske egenskaber.
Analyseværktøjet til deskriptiv statistik genererer en rapport af univariate statistikker for data i inddataområdet med oplysninger om den centrale tendens og variation af dine data.

Find mere information om beskrivende statistik i den engelske wikipedia-artikel.
Den følgende tabel viser resultaterne af den deskriptive statistik for de eksempel-data, der er vist ovenfor.
Kolonne 1 |
Kolonne 2 |
Kolonne 3 |
|
Middelværdi |
41.9090909091 |
59.7 |
44.7 |
Standardfejl |
3.5610380138 |
5.3583786934 |
4.7680650629 |
Tilstand |
47 |
49 |
60 |
Median |
40 |
64.5 |
43.5 |
Varians |
139.4909090909 |
287.1222222222 |
227.3444444444 |
Standardafvigelse |
11.8106269559 |
16.944681237 |
15.0779456308 |
Kurtosis |
-1.4621677981 |
-0.9415988746 |
1.418052719 |
Skævhed |
0.0152409533 |
-0.2226426904 |
-0.9766803373 |
Område |
31 |
51 |
50 |
Minimum |
26 |
33 |
12 |
Maksimum |
57 |
84 |
62 |
Sum |
461 |
597 |
447 |
Tæl |
11 |
10 |
10 |
Analyse af varians (ANOVA)
Udfører analyse af variansen (ANOVA) af et datasæt
ANOVA er akronymet for ANalysis Of VAriance. Dette værktøj udfører variansanalysen (ANOVA) for et givet datasæt

Læs mere om ANOVA i den engelske Wikipedia-artikel.
Type
Vælges hvis analysen er for enkeltfaktor eller for tofaktor ANOVA.
Parametre
Alfa: Signifikansniveauet af prøven.
Rækker per prøve: Definér hvor mange rækker en prøve har.
Følgende tabel viser resultatet af Analyse af varians (ANOVA) for prøvedataene herover.
Anova - enkeltfaktor |
|||||
Alfa |
0.05 |
||||
Grupper |
Tæl |
Sum |
Middelværdi |
Varians |
|
Kolonne 1 |
11 |
461 |
41.9090909091 |
139.4909090909 |
|
Kolonne 2 |
10 |
597 |
59.7 |
287.1222222222 |
|
Kolonne 3 |
10 |
447 |
44.7 |
227.3444444444 |
|
Kilde for variation |
SS |
df |
MS |
F |
P-værdi |
Mellem grupper |
1876.5683284457 |
2 |
938.2841642229 |
4.3604117704 |
0.0224614952 |
Inde i grupper |
6025.1090909091 |
28 |
215.1824675325 |
||
Total |
7901.6774193548 |
30 |
Korrelation
Beregner korrelationen af to sæt af numeriske data.
Korrelationskoefficienten (en værdi mellem -1 og +1) fortæller hvor stærkt to variable er relateret til hinanden. Du kan bruge funktionen KORRELATION eller Datastatistik til at finde korrelationskoefficienten mellem to variable.
En korrelationskoefficient på +1 indikerer en perfekt positiv korrelation.
En korrelationskoefficient på -1 indikerer en perfekt negativ korrelation.

Se mere om statistisk korrelation i den engelske wikipedia-artikel.
Den følgende tabel viser resultaterne af korrelationen af data-eksemplet ovenfor.
Korrelationer |
Kolonne 1 |
Kolonne 2 |
Kolonne 3 |
Kolonne 1 |
1 |
||
Kolonne 2 |
-0.4029254917 |
1 |
|
Kolonne 3 |
-0.2107642836 |
0.2309714048 |
1 |
Kovarians
Beregner kovariansen for to mængder af numeriske data.
Kovariansen er et udtryk for hvor meget to tilfældige (stokastiske) variable ændrer sig sammen.

Se mere om statistisk covarians i den engelske wikipedia-artikel
Den følgende tabel viser resultaterne af kovariansen af dataeksemplet ovenfor.
Kovarianser |
Kolonne 1 |
Kolonne 2 |
Kolonne 3 |
Kolonne 1 |
126.8099173554 |
||
Kolonne 2 |
-61.4444444444 |
258.41 |
|
Kolonne 3 |
-32 |
53.11 |
204.61 |
Eksponentiel udjævning
Resulterer i en udjævnet dataserie
Eksponentiel udjævning er en filterteknik der, når den anvendes på et datasæt, giver udjævnede resultater. Benyttes i mange brancher som for eksempel på børser, økonomi og prøvemålinger.

Læs mere om eksponentiel udglatning i den engelske wikipedia-artikel.
Parametre
Udjævningsfaktor: En parameter mellem 0 og 1 der repræsenterer den dæmpende faktor Alfa i udjævningsligningen.
Den resulterende udjævning ses nedenfor med udjævningsfaktor 0.5:
Alfa |
|
0.5 |
|
Kolonne 1 |
Kolonne 2 |
1 |
0 |
1 |
0 |
0.5 |
0 |
0.25 |
0.5 |
0.125 |
0.25 |
0.0625 |
0.125 |
0.03125 |
0.0625 |
0.015625 |
0.03125 |
0.0078125 |
0.015625 |
0.00390625 |
0.0078125 |
0.001953125 |
0.00390625 |
0.0009765625 |
0.001953125 |
0.0004882813 |
0.0009765625 |
0.0002441406 |
0.0004882813 |
Rullende gennemsnit
Beregner det løbende gennemsnit for en tidsserie

Læs mere om glidende gennemsnit i den engelske wikipedia-artikel.
Parametre
Interval: Antal prøver brugt i beregningen af det løbende gennemsnit.
Resultater af det løbende gennemsnit:
Kolonne 1 |
Kolonne 2 |
#N/A |
#N/A |
0.3333333333 |
0.3333333333 |
0 |
0.3333333333 |
0 |
0.3333333333 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
#N/A |
#N/A |
Parret t-test
Beregner den parrede t-test af to dataprøver.
En parret t-test er enhver statistisk hypotesetest, der følger en t-fordeling.

Læs mere om parrede t.tests i den engelske wikipedia-artikel.
Data
Variabel 1 område: Reference til området med den første dataserie, der skal analyseres.
Variabel 2 område: Reference til området med den anden dataserie, der skal analyseres.
Resultater til: Reference til den øverste venstre celle i det område, hvor test skal vises.
Resultater for parret t-test:
Den følgende tabel viser den parrede t-test for dataserien ovenfor:
parret t-test |
||
Alfa |
0.05 |
|
Den forventede middelforskel |
0 |
|
Variabel 1 |
Variabel 2 |
|
Middelværdi |
16.9230769231 |
20.4615384615 |
Varians |
125.0769230769 |
94.4358974359 |
Observationer |
13 |
13 |
Pearson-korrelation |
-0.0617539772 |
|
Observeret difference for middelværdi |
-3.5384615385 |
|
Variansen af forskellene |
232.9358974359 |
|
df |
12 |
|
t stat |
-0.8359262137 |
|
P (T<=t) en-halet |
0.2097651442 |
|
t kritisk en-halet |
1.7822875556 |
|
P (T<=t) to-halet |
0.4195302884 |
|
t kritisk to-halet |
2.1788128297 |
F-test
Beregner F-testen af to dataprøver.
En F-test er enhver statistisk test baseret på F-fordelingen under nul hypotesen.

Læs mere om F-tests i den engelske wikipedia-artikel.
Data
Variabel 1 område: Reference til området med den første dataserie, der skal analyseres.
Variabel 2 område: Reference til området med den anden dataserie, der skal analyseres.
Resultater til: Reference til den øverste venstre celle i det område, hvor test skal vises.
Resultater af F-test:
Den følgende tabel viser t-testen for dataserien ovenfor:
F-test |
||
Alfa |
0.05 |
|
Variabel 1 |
Variabel 2 |
|
Middelværdi |
16.9230769231 |
20.4615384615 |
Varians |
125.0769230769 |
94.4358974359 |
Observationer |
13 |
13 |
df |
12 |
12 |
F |
1.3244637524 |
|
P (F<=f) højre-halet |
0.3170614146 |
|
F kritisk højre-halet |
2.6866371125 |
|
P (F<=f) venstre-halet |
0.6829385854 |
|
F kritisk venstre-halet |
0.3722125312 |
|
P to-halet |
0.6341228293 |
|
F kritisk to-halet |
0.3051313549 |
3.277277094 |
Z-test
Beregner z-testen af to dataprøver.

Læs mere om Z-tests iden engelske wikipedia-artikel.
Data
Variabel 1 område: Reference til området med den første dataserie, der skal analyseres.
Variabel 2 område: Reference til området med den anden dataserie, der skal analyseres.
Resultater til: Reference til den øverste venstre celle i det område, hvor test skal vises.
Resultater af Z-test:
Den følgende tabel viser t-testen for dataserien ovenfor:
Z-test |
||
Alfa |
0.05 |
|
Den forventede middelforskel |
0 |
|
Variabel 1 |
Variabel 2 |
|
Kendt varians |
0 |
0 |
Middelværdi |
16.9230769231 |
20.4615384615 |
Observationer |
13 |
13 |
Observeret difference for middelværdi |
-3.5384615385 |
|
z |
#DIV/0! |
|
P (Z<=z) en-sidet |
#DIV/0! |
|
Z kritisk en-sidet |
1.644853627 |
|
P (Z<=z) to-sidet |
#DIV/0! |
|
Z kritisk to-sidet |
1.9599639845 |
Chi-kvadrat-test
Beregner Chi-kvadratet for en stikprøve.

Læs mere om chi-kvadrat-tests i den danske Wikipedia-artikel.
Data
Inddataområde: Referencen til det dataområde som skal analyseres.
Resultater til: Reference til den øverste venstre celle i det område, hvor test skal vises.
Resultater af Chi-kvadrat test:
Kontrol af uafhængighed (Chi-kvadrat) |
|
Alfa |
0.05 |
df |
12 |
P-værdi |
2.32567054678584E-014 |
Test Statistik |
91.6870055842 |
Kritisk Værdi |
21.0260698175 |