Excel在处理物理实验数据中的应用（可编辑）.doc

Excel在处理物理实验数据中的应用 Sheet1 Chart1 测量次数 d mm 算术平均值 表1 用千分尺度测量小钢球直径d 绝对误差 相对误差 平均绝对误差 测量值的标准偏差 平均值的标准偏差 I mA U V 表2 伏安法测线性电阻数据表 斜率 截距 表2 伏安法测线性电阻数据表 0.00 .00 0.00 .00 0.00 .00 0.00 .00 0.00 .00 0.00 .00 斜率 .00 截距 -.00 I mA U V 伏安测电阻U~I关系图 表1 用千分尺度测量小钢球直径d 测量次数 .00 .00 .00 .00 .00 算术平均值 绝对误差 相对误差 平均绝对误差 测量值的标准偏差 平均值的标准偏差 .00 .00 .00 .00 .00 .00 0.00E-00 0.00E-00 0.00E-00 0.00E-00 I mA U V 伏安测电阻U~I关系图 0.00 0.00 0.00 0.00 0.00 0.00 .00 .00 .00 .00 .00 .00 例8.4 指数曲线趋势 GROWTH 例8.4 指数回归 LOGEST 例8.3 线性趋势 TREND 例8.2 求线性预测值 FORECAST 例8.1 LINEST 单变量 例 6 复回归分析 例 5 数据分析 直线回归 例4 趋势线 非线性回归 例3 趋势线 线性回归 利用数据分析工具求相关矩阵 相关系数 CORREL 图表2 月份 广告费 万 销售量 万 相关系数: 扳金 价格 车龄 价格 万 6.5年的旧车车价 年龄 每月所得 R2 0.0001 不具有解释性! 注意: R2 0.884 具有较好的解释性! 月份 广告费 万 销售量 万 SUMMARY OUTPUT 回归统计 Multiple R R Square Adjusted R Square 标准误差 观测值 方差分析 回归分析 残差 总计 Intercept df SS MS F Significance F Coefficients t Stat P-value Lower 95% Upper 95% 下限 95.0% 上限 95.0% 广告费 万 RESIDUAL OUTPUT 预测 销售量 万 t 检定 Y 3.143384X+1545.832 回归方程式为: 信用指数 每月总收入 万 不动产 百万 动产 百万 每月房贷 万 抚养费 万 每月总收入 万 不动产 百万 动产 百万 每月房贷 万 抚养费 万 结 论: 说明:回归方程式可解释信用分数的差异程度相当高. Significance F F 检定中的显著水准 Significance F 0.044248 a 0.05 说明:每月总收入、不动产、动产、每月房贷、抚养支出与信用分数整体间有明显回归关系存在。 t 检定结果中，常数项为57.0761,其显著水准 P-value 0.007439 a 0.05 说明:回归方程式的常数项不应为0，不可将其省略。 其它五个自变量中，只有每月总收入的显著水准 P-value 0.032912 a 0.05 其余的不动产、动产、每月房贷、抚养支出等四个参数的显著水准（P-value）均大于a 0.05 说明：这些参数与信用分数间不存在显著的直线关系，所以可将这些参数的系数 从回归方程式中排除掉，最后的回归方程式为：Y 5.350913X+57.0761。 即：信用分数 5.350913*每月总收入+57.0761。 单一变量时 输出矩阵 回归平方 常数 标准误差 残差平方 系数 b 对y估计值的标准误差 F统计值 F检定之自由度 多变量时 判定系数 R2 判定系数 R2 y bx+a 标准误差 b 系数 bn 标准误差 bn 系数 bn-1 系数 b1 标准误差 b1 常数 a … y bnx+bn-1x+…+b1x+a y 9.1846x+299.8688 y 9.1846x+299.8688 月份 广告费 万 销售量 万 以FORECAST求预测销售量 以回归方程式求预测销售量 广告费 万 月份 广告费 万 销售量 万 相关系数 方差分析 说明：每月总收入与信用分数间存在直线关系，其系数为5.350913，正相关。 R 0.634122923,R2 0.402111881,调整后的R 0342323069 说明:销售量与广告费高度相关. F 检定中的显著水准 Significance F 0.026794856 a 0.05 说明:销售量与广告费存在回归关系. 说明：广告费与销售量间存在直线关系，其系数为3正相关