Analysis ToolPak O Analysis ToolPak é um programa complemento do Excel que fornece ferramentas de análise de dados para análise de dados financeiros, estatísticos e de engenharia. Para carregar o suplemento do Analysis ToolPak, execute as seguintes etapas. 1. Clique na guia Arquivo verde. A guia Arquivo no Excel 2010 substitui o Office Button (ou File Menu) em versões anteriores do Excel. 2. Clique em Opções. 3. Em Add-ins, selecione Analysis ToolPak e clique no botão Ir. 4. Verifique Analysis ToolPak e clique em OK. 5. Na guia Dados, agora você pode clicar em Análise de dados. A seguinte caixa de diálogo abaixo aparece. 6. Por exemplo, selecione Histograma e clique em OK para criar um histograma no Excel. Média de migração Este exemplo ensina como calcular a média móvel de uma série de tempo no Excel. Um avanço em movimento é usado para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Observação: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para intervalo 2 e intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais. Você gosta deste site gratuito Por favor, compartilhe esta página no GoogleUse o Analysis ToolPak para realizar análise de dados complexos No Excel 2010, foram feitas melhorias para muitas das funções que o Analysis ToolPak usa. Leia uma postagem no blog ou experimente o Office 365 Se você precisar desenvolver análises estatísticas ou de engenharia complexas, poderá economizar etapas e tempo usando o Analysis ToolPak. Você fornece os dados e parâmetros para cada análise ea ferramenta usa as funções de macro estatísticas ou de engenharia apropriadas para calcular e exibir os resultados em uma tabela de saída. Algumas ferramentas geram gráficos além de tabelas de saída. O Analysis ToolPak inclui as ferramentas descritas abaixo. Para acessar essas ferramentas, clique em Análise de dados no grupo Análise na guia Dados. Se o comando Análise de dados não estiver disponível, você precisará carregar o programa de suplemento Analysis ToolPak. Carregar a Ferramenta de Análise Clique no Botão do Microsoft Office. E clique em Opções do Excel. Clique em Suplementos. E, em seguida, na caixa Gerenciar, selecione Suplementos do Excel. Na caixa Add-Ins disponível, marque a caixa de seleção Analysis ToolPak e clique em OK. Dica Se o Analysis ToolPak não estiver listado na caixa Add-Ins available, clique em Browse para localizá-lo. Se você for solicitado que o Analysis ToolPak não esteja instalado no computador, clique em Sim para instalá-lo. Observação: para incluir funções Visual Basic for Application (VBA) para o Analysis ToolPak, você pode carregar o Analysis ToolPak - VBA Add-in da mesma maneira que você carregar o Analysis ToolPak. Na caixa Add-ins disponível, selecione a caixa de seleção Analysis ToolPak - VBA. Para obter uma descrição de cada ferramenta, clique em um nome de ferramenta na lista a seguir. As ferramentas de análise Anova fornecem diferentes tipos de análise de variância. A ferramenta que você deve usar depende do número de fatores e do número de amostras que você tem das populações que você deseja testar. Anova: Single Factor Esta ferramenta executa uma análise simples de variância em dados para duas ou mais amostras. A análise fornece um teste da hipótese de que cada amostra é extraída da mesma distribuição de probabilidade subjacente contra a hipótese alternativa de que as distribuições de probabilidade subjacentes não são as mesmas para todas as amostras. Se houver apenas duas amostras, você pode usar a função de planilha TTEST. Com mais de duas amostras, não há uma generalização conveniente de TTEST, e o modelo de Anova Single Factor pode ser chamado em vez disso. Anova: Dois fatores com replicação Esta ferramenta de análise é útil quando os dados podem ser classificados em duas dimensões diferentes. Por exemplo, em uma experiência para medir a altura das plantas, as plantas podem receber diferentes marcas de fertilizantes (por exemplo, A, B, C) e também podem ser mantidas a diferentes temperaturas (por exemplo, baixa, alta). Para cada um dos seis pares possíveis de, temos um número igual de observações da altura da planta. Usando esta ferramenta Anova, podemos testar: Se as alturas das plantas para as diferentes marcas de fertilizantes são extraídas da mesma população subjacente. As temperaturas são ignoradas para esta análise. Se as alturas das plantas para os diferentes níveis de temperatura são provenientes da mesma população subjacente. As marcas de fertilizantes são ignoradas para esta análise. Independentemente de terem tido em conta os efeitos das diferenças entre as marcas de fertilizantes encontradas no primeiro ponto com marcador e as diferenças de temperaturas encontradas no segundo ponto com marcador, as seis amostras que representam todos os pares de valores são tiradas da mesma população. A hipótese alternativa é que existem efeitos devidos a pares específicos acima e acima das diferenças que se baseiam apenas no fertilizante ou apenas na temperatura. Anova: Dois fatores sem replicação Esta ferramenta de análise é útil quando os dados são classificados em duas dimensões diferentes, como no caso de dois fatores com replicação. No entanto, para esta ferramenta é assumido que existe apenas uma única observação para cada par (por exemplo, cada par no exemplo anterior). As funções de planilha CORREL e PEARSON calculam o coeficiente de correlação entre duas variáveis de medida quando observam-se medições em cada variável para cada um dos N sujeitos. (Qualquer observação ausente para qualquer assunto faz com que esse assunto seja ignorado na análise.) A ferramenta de análise de Correlação é particularmente útil quando há mais de duas variáveis de medição para cada um dos N sujeitos. Ele fornece uma tabela de saída, uma matriz de correlação, que mostra o valor de CORREL (ou PEARSON) aplicado a cada possível par de variáveis de medida. O coeficiente de correlação, como a covariância, é uma medida da medida em que duas variáveis de medida variam em conjunto. Ao contrário da covariância, o coeficiente de correlação é dimensionado de modo que seu valor seja independente das unidades nas quais as duas variáveis de medida são expressas. (Por exemplo, se as duas variáveis de medição forem peso e altura, o valor do coeficiente de correlação é inalterado se o peso for convertido de libras em quilogramas.) O valor de qualquer coeficiente de correlação deve estar entre -1 e 1 inclusive. Você pode usar a ferramenta de análise de correlação para examinar cada par de variáveis de medida para determinar se as duas variáveis de medida tendem a se mover juntas, isto é, se os grandes valores de uma variável tendem a ser associados a valores grandes do outro (correlação positiva) Os valores pequenos de uma variável tendem a ser associados a valores grandes da outra (correlação negativa), ou se os valores de ambas as variáveis tendem a não estar relacionados (correlação próxima de 0 (zero)). As ferramentas Correlação e Covariância podem ser usadas na mesma configuração, quando você tem N variáveis de medida diferentes observadas em um conjunto de indivíduos. As ferramentas Correlação e Covariância fornecem uma tabela de saída, uma matriz, que mostra o coeficiente de correlação ou covariância, respectivamente, entre cada par de variáveis de medida. A diferença é que os coeficientes de correlação são escalados para situar-se entre -1 e 1 inclusive. As covariâncias correspondentes não são escalonadas. Tanto o coeficiente de correlação quanto a covariância são medidas da medida em que duas variáveis variam em conjunto. A ferramenta Covariance calcula o valor da função de planilha COVAR para cada par de variáveis de medida. (O uso direto de COVAR em vez da ferramenta Covariance é uma alternativa razoável quando há apenas duas variáveis de medida, isto é, N2.) A entrada na diagonal da tabela de saída de ferramentas de covariância na linha i, coluna i é a covariância do I-ésima variável de medida com ela mesma. Esta é apenas a variância da população para essa variável, calculada pela função de planilha VARP. Você pode usar a ferramenta Covariance para examinar cada par de variáveis de medida para determinar se as duas variáveis de medida tendem a se mover juntas, isto é, se grandes valores de uma variável tendem a ser associados a valores grandes da outra (covariância positiva) Os valores de uma variável tendem a ser associados a grandes valores da outra (covariância negativa), ou se os valores de ambas as variáveis tendem a não estar relacionados (covariância perto de 0 (zero)). Adicionar, alterar ou remover uma linha de tendência em um gráfico Sobre a previsão e mostrando tendências em gráficos Linhas de tendência são usadas para exibir graficamente tendências em dados e para ajudar a analisar problemas de previsão. Tal análise também é denominada análise de regressão. Usando análise de regressão, você pode estender uma linha de tendência em um gráfico além dos dados reais para prever valores futuros. Por exemplo, o gráfico a seguir usa uma linha de tendência linear simples que prevê dois trimestres à frente para mostrar claramente uma tendência para aumentar a receita. Dicas Você também pode criar uma média móvel, o que suaviza as flutuações nos dados e mostra o padrão ou tendência mais claramente. Se você alterar um gráfico ou uma série de dados para que ele não possa mais suportar a linha de tendência associada, por exemplo, alterando o tipo de gráfico para um gráfico 3D ou alterando a exibição de um relatório de gráfico dinâmico ou relatório de tabela dinâmica associado a linha de tendência não aparece mais No gráfico. Para dados de linha sem um gráfico, você pode usar AutoFill ou uma das funções estatísticas, como CRESCIMENTO () ou TREND (), para criar dados para linhas lineares ou exponenciais de melhor ajuste. Quando você deseja adicionar uma linha de tendência a um gráfico no Microsoft Office Excel, você pode escolher qualquer um desses seis tipos diferentes de tendência ou regressão: linhas de tendência lineares, linhas de tendência logarítmicas, linhas de tendência polinomiais, linhas de tendência de energia, exponencial Linhas de tendência ou linhas de tendência médias em movimento. O tipo de dados que você tem determina o tipo de linha de tendência que você deve usar. Uma linha de tendência é mais precisa quando seu valor R-quadrado está em ou próximo de 1. Quando você ajusta uma linha de tendência para seus dados, o Excel calcula automaticamente seu valor R-quadrado. Se desejar, você pode exibir esse valor em seu gráfico. Linhas de tendência lineares Uma linha de tendência linear é uma linha reta com melhor ajuste que é usada com conjuntos de dados lineares simples. Seus dados são lineares se o padrão em seus pontos de dados se assemelha a uma linha. Uma linha de tendência linear geralmente mostra que algo está aumentando ou diminuindo a uma taxa constante. No exemplo a seguir, uma linha de tendência linear ilustra que as vendas de geladeiras aumentaram consistentemente ao longo de um período de 13 anos. Observe que o valor R-quadrado é 0.979, que é um bom ajuste da linha para os dados. Linhas de tendência logarítmicas Uma linha de tendência logarítmica é uma linha curva melhor ajustada que é usada quando a taxa de mudança nos dados aumenta ou diminui rapidamente e, em seguida, nivela para fora. Uma linha de tendência logarítmica pode usar valores negativos e positivos. O exemplo a seguir usa uma linha de tendência logarítmica para ilustrar o crescimento populacional predito de animais em uma área de espaço fixo, onde a população nivelada como espaço para os animais diminuiu. Observe que o valor R-quadrado é 0.933, que é um ajuste relativamente bom da linha para os dados. Linhas de tendência polinomiais Uma linha de tendência polinomial é uma linha curva que é usada quando os dados flutuam. É útil, por exemplo, para analisar ganhos e perdas em um grande conjunto de dados. A ordem do polinômio pode ser determinada pelo número de flutuações nos dados ou por quantas curvas (colinas e vales) aparecem na curva. Uma linha de tendência polinomial de ordem 2 geralmente tem apenas uma colina ou vale. Ordem 3 geralmente tem uma ou duas colinas ou vales. Ordem 4 geralmente tem até três colinas ou vales. O exemplo a seguir mostra uma linha de tendência polinomial Order 2 (uma colina) para ilustrar a relação entre a velocidade de condução eo consumo de combustível. Observe que o valor R-quadrado é 0.979, que é um bom ajuste da linha para os dados. Linhas de tendência de energia Uma linha de tendência de energia é uma linha curva que é usada com conjuntos de dados que comparam medidas que aumentam em uma taxa específica, por exemplo, a aceleração de um carro de corrida em intervalos de 1 segundo. Você não pode criar uma linha de tendência de energia se seus dados contiverem valores zero ou negativos. No exemplo a seguir, os dados de aceleração são mostrados traçando a distância em metros por segundos. A linha de tendência de energia demonstra claramente a crescente aceleração. Observe que o valor R-quadrado é 0.986, que é um ajuste quase perfeito da linha para os dados. Linhas de tendência exponenciais Uma linha de tendência exponencial é uma linha curva que é usada quando os valores de dados sobem ou caem em taxas constantemente crescentes. Não é possível criar uma linha de tendência exponencial se os dados contiverem valores zero ou negativos. No exemplo a seguir, uma linha de tendência exponencial é usada para ilustrar a quantidade decrescente de carbono 14 em um objeto à medida que envelhece. Note que o valor R-quadrado é 0,990, o que significa que a linha se encaixa os dados quase perfeitamente. Movendo linhas de tendência médias Uma linha de tendência de média móvel suaviza as flutuações nos dados para mostrar um padrão ou tendência mais claramente. Uma média móvel usa um número específico de pontos de dados (definido pela opção Período), os calcula em média e usa o valor médio como um ponto na linha. Por exemplo, se Period for definido como 2, a média dos dois primeiros pontos de dados é usada como o primeiro ponto na linha de tendência de média móvel. A média do segundo e terceiro pontos de dados é usada como o segundo ponto na linha de tendência, etc. No exemplo a seguir, uma linha de tendência de média móvel mostra um padrão no número de casas vendidas ao longo de um período de 26 semanas. Adicionar uma linha de tendência Em um gráfico descompactado, 2-D, área, barra, coluna, linha, estoque, xy (dispersão) ou de bolha, clique na série de dados à qual você deseja adicionar uma linha de tendência ou média móvel ou faça o seguinte Para selecionar a série de dados de uma lista de elementos do gráfico: Clique em qualquer lugar no gráfico. Isso exibe as Ferramentas de gráfico. Adicionando o Design. Layout. E formatar separadores. No separador Formatar, no grupo Selecção actual, clique na seta junto à caixa Elementos do gráfico e, em seguida, clique no elemento do gráfico que pretende. Nota: Se você selecionar um gráfico que tenha mais de uma série de dados sem selecionar uma série de dados, o Excel exibirá a caixa de diálogo Adicionar linha de tendência. Na caixa de listagem, clique na série de dados que pretende e, em seguida, clique em OK. Na guia Layout, no grupo Análise, clique em Trendline. Siga um destes procedimentos: Clique em uma opção de linha de tendência predefinida que deseja usar. Nota: Isto aplica uma linha de tendência sem permitir que você selecione opções específicas. Clique em Mais opções de tendência. E, em seguida, na categoria Opções de tendência, em Trend / Regression Type. Clique no tipo de linha de tendência que você deseja usar. Analysis ToolPak O complemento Analysis-ToolPak é um suplemento do Excel de terceiros que fornece ferramentas de análise especiais adequadas para análise estatística de escala média. Este suplemento fornece uma série de técnicas de análise adicionais. Este suplemento não deve ser instalado a menos que você vá usar a funcionalidade de análise de dados adicionais como Excel levará um pouco mais para abrir com esse complemento instalado. No Excel 2003 este suplemento também forneceu funções de planilha adicionais, embora no Excel 2007 estes foram incluídos como padrão. Análise de dados Depois de ter o complemento Analysis-ToolPak instalado, um botão extra aparecerá na extremidade direita da guia Dados. Isso lhe dará uma escolha das seguintes ferramentas de análise: Determina se há uma relação entre dois conjuntos de dados executando uma análise de variância. Determina se há uma relação entre dois conjuntos de dados executando uma análise de variância. Isso inclui mais de uma amostra de dados para cada grupo. Determina se há uma relação entre dois conjuntos de dados executando uma análise de variância. Isso não inclui mais de uma amostra de dados para cada grupo. Compara dois conjuntos de dados para determinar se existe alguma relação entre eles. Calcula a média do produto de desvios de valores das médias de cada conjunto de dados. Calcula uma série de medidas estatísticas e as resume em uma tabela. Esta tabela inclui cálculos para: Média, Erro Padrão, Mediana, Modo, Desvio Padrão, Variância de Amostra, Kurtosis, Estiramento, Mínimo, Máximo, Soma, Contagem, Maior, Menor e Nível de Confiança. Suaviza os dados, ponderando os dados mais recentes mais pesados. Compara as variações entre dois grupos de dados. A variância é uma medida de quanto os valores estão dispersos em torno do valor médio. Transformação de Fourier Discreta (DFT) ou método de Transformada Rápida de Fourier (FFT), incluindo transformações inversas.
Comments
Post a Comment