excel在数模中的运用

《excel在数模中的运用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、主讲人：吴慧萍2008年10月24日Excel在数模中的运用Excel的主要功能函数运用与计算实用数据导入、排序与筛选强大的作图制表功能数据拟合与预测求解矩阵的相关问题BP神经网络插件一、函数运用与计算数列1-n（+Ctrl键）函数数学和三角函数（60条）例：ABS、FACT等统计函数（80条）例：AVERAGE、COUNT等（参考网站：http://hi.baidu.com/zgq666/blog/item/04bf469062b8c18ba877a4e5.html）EXP用途：返回e的n次幂语法：

2、EXP(number)FACT用途：返回一个数的阶乘，即1*2*3*...语法：FACT(number)GCD用途：返回两个或多个整数的最大公约数语法：GCD(number1，number2，...)FLOOR用途：将参数Number沿绝对值减小的方向去尾舍入，使其等于最接近的significance的倍数语法：FLOOR(number，significance)DEGREES用途：将弧度转换为度语法：DEGREES(angle)数学和三角函数统计函数AVERAGEASUMCOUNTMINMAXSQR

3、T(平方根)AVEDEV(与均值的绝对偏差的平均值)COVAR（协方差）STDEVA（样本标准差）VAR(方差)EXCEL的数据处理除了提供了很多的函数外，但这个工具必须加载相应的宏后才能使用，操作步骤为：点击菜单“工具-加载宏”，会出现一个对话框，从中选择“分析工具库”，点击确定后，在工具菜单栏内出现了这个分析工具。如果你的电脑中没有出现分析工具库，则需要使用OFFICE的安装光盘，运行安装程序。在自定义中点开EXCEL，找到分析工具库，选择“在本机运行”，安装添加即可。在数据分析工具库中提供了3种

4、基本类型的方差分析：单因素方差分析、双因素无重复试验和可重复试验的方差分析在这里仅介绍单因素方差分析（检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义）的运用。方差分析单因素方差分析在进行单因素方差分析之前，须先将试验所得的数据按一定的格式输入到工作表中，其中每种水平的试验数据可以放在一行或一列内，表中每个水平的试验数据结果放在同一行内。数据输入完成以后，操作“工具-数据分析”，选择数据分析工具对话框内的“单因素方差分析”，出现一个对话框，对话框的内容

5、如下：1．输入区域：选择分析数据所在区域，可以选择水平标志，针对表中数据进行分析时选取（绿色）和***区域。2．分组方式：提供列与行的选择，当同一水平的数据位于同一行时选择行，位于同一列时选择列，本例选择行。3．如果在选取数据时包含了水平标志，则选择标志位于第一行，本例选取。4．α：显著性水平，一般输入0.05，即95%的置信度。5．输出选项：按需求选择适当的分析结果存储位置。二、实用数据导入、排序与筛选在【数据】-【导入外部数据】-【导入数据】中选择要导入的数据源【数据】-【排序】【数据】-【筛选】

6、-【自动筛选】或者【高级筛选】三、制表与数据拟合制表：1.选定数据区域2.【插入】-【图表】或“图表向导”数据拟合与预测通过添加趋势线，得函数拟合数据，再做预测四、用Excel求矩阵的相关问题先输入原始矩阵例如A1:B21234然后选择一个2X2的区域（例如A4:B5），直接输入=minverse(A1:B2)接着按CTRL+SHIFT别松手，再按回车键。OK，逆矩阵已经出来了五、BP神经网络神经网络简介神经网络就是通过计算机程序对人类大脑的认知活动的一种模拟运算，神经网络具有人脑的学习记忆功能，

7、主要应用到数据建模、预测和模式识别和函数优化等领域神经网络的基本类形，主要有线形神经网络（主要应用在信号处理和简单的数据分类领域），前向传递神经网络（主要包括BP神经网络、径向基神经网络），其中应用最广泛的就是三层前向BP神经网络（市面上有很多工具箱都是基于BP神经网络的原理建立，如2nsoft等），还有反馈形神经网络（例如Elman、Hopfielddeng），他们一般用于信号处理和函数(条件)优化（主要是应用它们的预测和联想记忆功能）,还有一种就是自组织神神经网络（主要包括学习矢量量化神经网络和自

8、组织特征映射神经网络）。在神经网络领域应用最广的一类神经网络：BP神经网络（主要用于模型预测和模式识别还有数据分类）。BP神经网络的理论基础基于一个定理：就是从理论上已经证明，一个三层前向传递BP神经网络在理论上可以实现对任意有有限个间断点的任意函数实现从n维空间到m维空间的映射。从中我们可以看出BP神经网络的最基本应用就是函数拟和（可以实现对任意函数的映射），我们从数学角度可以理解这一点，同时，这样我们也可以理解BP神经网络可以实现预测的原因（这也是我