İstatistik
Tüm sürümler
◉ 27 görüntüleme
=SLOPE()
Regrasyon doğrusunun eğimini döndürür
Şunlar için geçerli:
Excel for Microsoft 365Excel for Microsoft 365 for MacExcel 2024Excel 2024 for MacExcel 2021Excel 2021 for MacExcel 2019Excel 2016
=SLOPE(known_y's, known_x's)
Ayrıntılar için argüman adlarının üzerine gelin.
Çıktı türüSayı
Popülerlik25 / 100
UçucuHayır
Dinamik DiziHayır
Örnek .xlsx indir ▦ Playgroundda dene
Bu işleve özel dosya — güvenli & hafif · örnek veriler + canlı formüller
⬇ Örnek Çalışma Kitabını İndir
=SLOPE() için özel .xlsx — Farsça örnek veriler & canlı formüller — Excel’de açın.
- Sayfa “Örnek” — veri tablosu + formül
- Sayfa “Kılavuz” — sözdizimi, argümanlar & ipuçları
- Anında & güvenli (jeton + limit)
Bu işlevin quizi
Sorular — sözdizimi, örnek & hata — kendini test et!
◧ Argümanlar
| Argüman | Tür | Durum | Açıklama |
|---|---|---|---|
known_y's |
Aralık | Zorunlu | Bilinen sonuç değerleri |
known_x's |
Aralık | Zorunlu | Bilinen bağımsız değişken değerleri |
▣ Örnekler
▦ Veriler
| Hücre | Değer |
|---|---|
A2 |
Known y |
B2 |
Known x |
A3 |
1/2/1900 |
B3 |
6 |
A4 |
1/3/1900 |
B4 |
5 |
A5 |
1/9/1900 |
B5 |
11 |
A6 |
1/1/1900 |
B6 |
7 |
A7 |
1/8/1900 |
B7 |
5 |
A8 |
1/7/1900 |
B8 |
4 |
A9 |
1/5/1900 |
B9 |
4 |
A10 |
Known y |
B10 |
Known x |
A11 |
1/2/1900 |
B11 |
6 |
A12 |
1/3/1900 |
B12 |
5 |
A13 |
1/9/1900 |
B13 |
11 |
A14 |
1/1/1900 |
B14 |
7 |
A15 |
1/8/1900 |
B15 |
5 |
A16 |
1/7/1900 |
B16 |
4 |
A17 |
1/5/1900 |
B17 |
4 |
Örnek 1
=SLOPE(A3:A9,B3:B9)
Sonuç:
0.305556
§ Açıklamalar
- آرگومانها باید عدد یا نام، آرایه یا مرجعی باشند که حاوی اعداد است.
- اگر آرگومان آرایه یا مرجع حاوی متن، مقادیر منطقی یا سلولهای خالی باشد، آن مقادیر نادیده گرفته میشوند؛ با این حال سلولهای دارای مقدار صفر لحاظ میشوند.
- اگر known_y's و known_x's خالی باشند یا تعداد نقاط داده متفاوتی داشته باشند، تابع SLOPE مقدار خطای #N/A را برمیگرداند.
- معادله شیب خط رگرسیون به این صورت است: که در آن x و y میانگین نمونه یعنی AVERAGE(known_x’s) و AVERAGE(known_y’s) هستند.
- الگوریتم زیربنایی مورد استفاده در توابع SLOPE و INTERCEPT با الگوریتم زیربنایی تابع LINEST متفاوت است. تفاوت این الگوریتمها میتواند هنگام نامعین و همخط بودن دادهها به نتایج متفاوتی منجر شود. برای مثال، اگر نقاط داده آرگومان known_y's مقدار ۰ و نقاط داده آرگومان known_x's مقدار ۱ باشند: توابع SLOPE و INTERCEPT خطای #DIV/0! را برمیگردانند. الگوریتم SLOPE و INTERCEPT برای یافتن یک و تنها یک جواب طراحی شده و در این حالت میتواند بیش از یک جواب وجود داشته باشد. تابع LINEST مقدار ۰ را برمیگرداند. الگوریتم LINEST برای برگرداندن نتایج معقول برای دادههای همخط طراحی شده و در این حالت حداقل یک جواب یافت میشود.
✦ İpuçları
- Girdilerde önce y değerleri, sonra x değerleri gelir.
- İki aralık aynı boyutta olmalıdır.
- معادله شیب خط رگرسیون به این صورت است: که در آن x و y میانگین نمونه یعنی AVERAGE(known_x’s) و AVERAGE(known_y’s) هستند.
⚠ Yaygın Hatalar
#N/A
İki aralıktaki veri sayısı eşit değil veya biri boş
Çözüm: İki aralığın boyutunu eşitleyin
#DIV/0!
اگر دادهها نامعین و همخط باشند، برای مثال نقاط known_y's صفر و نقاط known_x's یک باشند، تابع SLOPE خطای #DIV/0! را برمیگرداند.
Çözüm: دادههای ورودی را بررسی کنید که همخط و نامعین نباشند؛ از تابع LINEST برای دادههای همخط استفاده کنید.
💬 Yorumlar & Soru-Cevap 0 onaylı
🔒 Onay sonrası yayınlanır.Onay sonrası görünür
Henüz yorum yok — ilk siz olun!