آماری
★ 20 · ◉ 37 · همه نسخه‌ها
=INTERCEPT()
نقطه تقاطع خط رگرسیون با محور y را با استفاده از مقادیر x و y موجود محاسبه می‌کند. این نقطه بر اساس بهترین خط برازش‌شده از روی نقاط داده شناخته‌شده به‌دست می‌آید. وقتی می‌خواهید مقدار متغیر وابسته را زمانی که متغیر مستقل صفر است پیش‌بینی کنید از INTERCEPT استفاده کنید؛ برای مثال پیش‌بینی مقاومت الکتریکی یک فلز در دمای صفر درجه وقتی داده‌ها در دمای اتاق و بالاتر ثبت شده‌اند.
=INTERCEPT(known_y's, known_x's)
پیش‌بینی و تحلیل روند
سازگاری
★ 35 · ◉ 26 · همه نسخه‌ها
=FORECAST()
مقدار آینده را بر اساس مقادیر موجود (تاریخی) با استفاده از رگرسیون خطی پیش‌بینی می‌کند. مقدار پیش‌بینی‌شده، مقدار y برای مقدار x داده‌شده است که بر اساس مقادیر x و y موجود محاسبه می‌شود.
=FORECAST(x, known_y's, known_x's)
پیش‌بینی و تحلیل روند
آماری
★ 8 · ◉ 22 · Excel 2016
=FORECAST.ETS.SEASONALITY()
طول الگوی تکراری را که اکسل برای سری زمانی مشخص‌شده تشخیص می‌دهد برمی‌گرداند.
=FORECAST.ETS.SEASONALITY(values, timeline, [data_completion], [aggregation])
پیش‌بینی و تحلیل روند
آماری
★ 10 · ◉ 21 · Excel 2016
=FORECAST.ETS.CONFINT()
بازه اطمینان برای مقدار پیش‌بینی‌شده در تاریخ هدف مشخص‌شده را برمی‌گرداند.
=FORECAST.ETS.CONFINT(target_date, values, timeline, [confidence_level], [seasonality], [data_completion], [aggregation])
پیش‌بینی و تحلیل روند
آماری
★ 25 · ◉ 19 · همه نسخه‌ها
=GEOMEAN()
میانگین هندسی یک آرایه یا محدوده از داده‌های مثبت را برمی‌گرداند. برای مثال می‌توانید از GEOMEAN برای محاسبه نرخ رشد متوسط با بهره مرکب و نرخ‌های متغیر استفاده کنید.
=GEOMEAN(number1, [number2], ...)
تحلیل آماری توصیفی
پیش‌بینی و تحلیل روند
مالی
★ 30 · ◉ 18 · Excel 2013
=RRI()
نرخ بهره معادل برای رشد یک سرمایه‌گذاری را برمی‌گرداند.
=RRI(nper, pv, fv)
پیش‌بینی و تحلیل روند
محاسبات مالی
آماری
★ 15 · ◉ 15 · همه نسخه‌ها
=GROWTH()
رشد نمایی پیش‌بینی‌شده را با استفاده از داده‌های موجود محاسبه می‌کند. GROWTH مقادیر y را برای سری جدیدی از مقادیر x که مشخص می‌کنید با استفاده از مقادیر x و y موجود برمی‌گرداند. همچنین می‌توانید از تابع کاربرگ GROWTH برای برازش منحنی نمایی روی مقادیر x و y موجود استفاده کنید.
=GROWTH(known_y's, [known_x's], [new_x's], [const])
پیش‌بینی و تحلیل روند
آماری
★ 25 · ◉ 15 · همه نسخه‌ها
=SLOPE()
شیب خط رگرسیون خطی عبوری از نقاط داده موجود در known_y's و known_x's را برمی‌گرداند. شیب برابر است با فاصله عمودی تقسیم بر فاصله افقی بین هر دو نقطه روی خط، که همان نرخ تغییر در طول خط رگرسیون است.
=SLOPE(known_y's, known_x's)
پیش‌بینی و تحلیل روند
آماری
★ 6 · ◉ 14 · همه نسخه‌ها
=LOGEST()
معادله منحنی نمایی به‌صورت y = b*m^x یا y = (b*(m1^x1)*(m2^x2)*...) در صورت وجود چند مقدار x است، که در آن مقدار y وابسته تابعی از مقادیر x مستقل است. مقادیر m پایه‌های متناظر با هر توان x هستند و b مقدار ثابت است. توجه داشته باشید که y و x و m می‌توانند بردار باشند. آرایه‌ای که LOGEST برمی‌گرداند {mn,mn-1,...,m1,b} است.
=LOGEST(known_y's, [known_x's], [const], [stats])
پیش‌بینی و تحلیل روند
آماری
★ 35 · ◉ 13 · Excel 2016
=FORECAST.ETS()
مقدار آینده را بر اساس مقادیر موجود (تاریخی) با استفاده از نسخه AAA الگوریتم هموارسازی نمایی (ETS) محاسبه یا پیش‌بینی می‌کند. مقدار پیش‌بینی‌شده ادامه مقادیر تاریخی در تاریخ هدف مشخص‌شده است که باید ادامه خط زمانی باشد. می‌توانید از این تابع برای پیش‌بینی فروش آینده، نیازهای موجودی یا روندهای مصرف‌کننده استفاده کنید. این تابع نیاز دارد که خط زمانی با گام ثابت بین نقاط مختلف سازمان‌دهی شده باشد.
=FORECAST.ETS(target_date, values, timeline, [seasonality], [data_completion], [aggregation])
پیش‌بینی و تحلیل روند
آماری
★ 5 · ◉ 13 · Excel 2016
=FORECAST.ETS.STAT()
مقدار آماری را به‌عنوان نتیجه پیش‌بینی سری زمانی برمی‌گرداند.
=FORECAST.ETS.STAT(values, timeline, statistic_type, [seasonality], [data_completion], [aggregation])
پیش‌بینی و تحلیل روند
آماری
★ 20 · ◉ 13 · همه نسخه‌ها
=LINEST()
تابع LINEST با استفاده از روش «حداقل مربعات» خطی را محاسبه می‌کند که بهترین برازش را با داده‌های شما دارد و سپس آرایه‌ای را برمی‌گرداند که خط را توصیف می‌کند. می‌توانید آن را با توابع دیگر ترکیب کنید تا آمار انواع مدل‌های خطی دیگر شامل چندجمله‌ای، لگاریتمی، نمایی و توانی را نیز محاسبه کنید. چون این تابع آرایه‌ای از مقادیر برمی‌گرداند، باید به‌صورت فرمول آرایه‌ای وارد شود. معادله خط به‌صورت y = mx + b یا y = m1x1 + m2x2 + ... + b در صورت وجود چند محدوده x است، که در آن y وابسته به xهاست و mها ضرایب هر x و b مقدار ثابت است. آرایه برگشتی به‌صورت {mn,mn-1,...,m1,b} است و در صورت درخواست، آمار رگرسیون اضافی نیز برمی‌گردد.
=LINEST(known_y's, [known_x's], [const], [stats])
پیش‌بینی و تحلیل روند
آماری
★ 18 · ◉ 13 · همه نسخه‌ها
=RSQ()
مربع ضریب همبستگی گشتاوری پیرسون را از طریق نقاط داده موجود در known_y's و known_x's برمی‌گرداند. برای اطلاعات بیشتر تابع PEARSON را ببینید. مقدار r-squared را می‌توان به عنوان نسبت واریانس y که به واریانس x نسبت داده می‌شود تفسیر کرد.
=RSQ(known_y's,known_x's)
پیش‌بینی و تحلیل روند
آماری
★ 45 · ◉ 12 · همه نسخه‌ها
=CORREL()
تابع CORREL ضریب همبستگی دو محدوده سلولی را برمی‌گرداند. از ضریب همبستگی برای تعیین رابطه بین دو ویژگی استفاده کنید. برای مثال، می‌توانید رابطه بین میانگین دمای یک منطقه و میزان استفاده از کولر گازی را بررسی کنید.
=CORREL(array1, array2)
تحلیل آماری توصیفی
پیش‌بینی و تحلیل روند
آماری
★ 50 · ◉ 12 · Excel 2016
=FORECAST.LINEAR()
مقدار آینده را بر اساس مقادیر موجود با استفاده از رگرسیون خطی محاسبه یا پیش‌بینی می‌کند. این تابع جایگزین تابع FORECAST است و برای پیش‌بینی فروش آینده، نیازهای موجودی یا روندهای مصرف‌کننده کاربرد دارد.
=FORECAST.LINEAR(x, known_y's, known_x's)
پیش‌بینی و تحلیل روند
آماری
★ 6 · ◉ 8 · همه نسخه‌ها
=STEYX()
خطای استاندارد مقدار y پیش‌بینی‌شده برای هر x در رگرسیون را برمی‌گرداند. خطای استاندارد معیاری برای سنجش میزان خطا در پیش‌بینی y برای هر x منفرد است.
=STEYX(known_y's, known_x's)
پیش‌بینی و تحلیل روند
آماری
★ 30 · ◉ 8 · همه نسخه‌ها
=TREND()
تابع TREND مقادیر را در امتداد یک روند خطی برمی‌گرداند. این تابع با روش حداقل مربعات، خطی مستقیم را بر داده‌های known_y's و known_x's برازش می‌کند و سپس مقادیر y متناظر با آرایه new_x's که مشخص می‌کنید را روی همان خط برمی‌گرداند.
=TREND(known_y's, [known_x's], [new_x's], [const])
پیش‌بینی و تحلیل روند