در این مطلب، ویدئو آموزش Excel 2013 – استفاده از توابع آماری – آموزش آموزش اکسل با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:13:18
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:06,450 –> 00:00:08,410
سلام مجدد و به
2
00:00:08,410 –> 00:00:12,700
دوره ما در اکسل 2013 پیشرفته در این
3
00:00:12,700 –> 00:00:14,530
بخش خوش آمدید. من قصد دارم به بررسی
4
00:00:14,530 –> 00:00:17,320
این توابع آماری در اکسل
5
00:00:17,320 –> 00:00:21,310
2013 بپردازم. من فرض نمی کنم که شما
6
00:00:21,310 –> 00:00:23,739
یک آماردان هستید و دانش عمیق و گسترده ای دارید.
7
00:00:23,739 –> 00:00:26,619
از آمار اما اکثر مردم
8
00:00:26,619 –> 00:00:29,349
امروزه در زندگی روزمره به اندازه کافی در معرض آمار قرار
9
00:00:29,349 –> 00:00:31,989
دارند تا
10
00:00:31,989 –> 00:00:34,030
انواع اصطلاحات و اصطلاحاتی را که من از
11
00:00:34,030 –> 00:00:36,879
آنها استفاده خواهم کرد مایکروسافت اکسل چندین سال است
12
00:00:36,879 –> 00:00:39,390
که در آمار و توسط آماردانان
13
00:00:39,390 –> 00:00:41,949
استفاده می شود و در
14
00:00:41,949 –> 00:00:44,500
واقع بسیار زیبا است. ابزار قوی همانطور که در
15
00:00:44,500 –> 00:00:47,320
طول این بخش و بعداً
16
00:00:47,320 –> 00:00:50,739
در دوره خواهیم دید، نه تنها میتوانیم
17
00:00:50,739 –> 00:00:53,980
کارهای عددی بسیار مفیدی انجام دهیم، بلکه میتوانیم از
18
00:00:53,980 –> 00:00:55,629
برخی از ویژگیهای نمودار و نمودار
19
00:00:55,629 –> 00:00:59,309
اکسل 2013 برای بررسی
20
00:00:59,309 –> 00:01:01,749
سؤالات آماری و مسائل آماری استفاده
21
00:01:01,749 –> 00:01:04,930
کنیم.
22
00:01:04,930 –> 00:01:08,470
نرمافزارهای تخصصی برای انجام بسیاری از
23
00:01:08,470 –> 00:01:10,630
این نوع اعداد آماری وجود دارد
24
00:01:10,630 –> 00:01:13,510
که ممکن است به آن نیاز داشته باشید، اما
25
00:01:13,510 –> 00:01:15,370
مزیت اکسل البته این است
26
00:01:15,370 –> 00:01:17,860
که بسیاری از کارهای دیگر را انجام میدهد. ngs و بسیاری از
27
00:01:17,860 –> 00:01:20,050
افراد دیگر کپیهایی از Microsoft
28
00:01:20,050 –> 00:01:21,850
Excel دارند، بنابراین اگر
29
00:01:21,850 –> 00:01:24,130
مشکل آماری خاصی برای حل کردن دارید یا
30
00:01:24,130 –> 00:01:26,770
کاری برای انجام دادن دارید، به احتمال زیاد اکسل
31
00:01:26,770 –> 00:01:28,540
میتواند به شما در حل آن مشکل کمک کند یا
32
00:01:28,540 –> 00:01:30,970
آن کار را برای شما انجام دهد. این امکان وجود ندارد،
33
00:01:30,970 –> 00:01:32,590
احتمالاً
34
00:01:32,590 –> 00:01:35,320
اکنون برای
35
00:01:35,320 –> 00:01:37,540
اهداف این دوره باید
36
00:01:37,540 –> 00:01:40,150
37
00:01:40,150 –> 00:01:43,810
به یکی از محصولات
38
00:01:43,810 –> 00:01:45,880
39
00:01:45,880 –> 00:01:49,000
تخصصی تر نگاه کنید.
40
00:01:49,000 –> 00:01:50,350
اولین موردی که ما به آن نگاه می کنیم
41
00:01:50,350 –> 00:01:52,960
شرح است و منظورم این است که
42
00:01:52,960 –> 00:01:55,870
ما در مورد خود مجموعه ای از
43
00:01:55,870 –> 00:01:57,910
اعداد را آمار می گیریم و به روش هایی برای
44
00:01:57,910 –> 00:02:00,370
توصیف آن مجموعه اعداد نگاه می کنیم، بنابراین ما
45
00:02:00,370 –> 00:02:02,200
واقعاً فقط به دنبال حقیقت یابی
46
00:02:02,200 –> 00:02:03,850
هستیم. میگویم
47
00:02:03,850 –> 00:02:06,670
این مجموعه اعداد چه ویژگیهایی دارد که به ما کمک میکند
48
00:02:06,670 –> 00:02:08,679
به عنوان مثال بفهمیم اعداد
49
00:02:08,679 –> 00:02:11,140
به ما چه میگویند یا شاید حتی آنها را با
50
00:02:11,140 –> 00:02:13,750
سایر مجموعههای مشابه یا مرتبط اعداد مقایسه
51
00:02:13,750 –> 00:02:16,840
کنیم، سپس به پیشبینی نگاه میکنم و
52
00:02:16,840 –> 00:02:19,750
در رگرسیون دقیق و چگونه می توانیم از
53
00:02:19,750 –> 00:02:22,209
برخی اندازه گیری های موجود برای پیش بینی
54
00:02:22,209 –> 00:02:24,580
اتفاقاتی که ممکن است در آینده رخ دهد استفاده کنیم.
55
00:02:24,580 –> 00:02:27,069
دسته سوم در رابطه با استفاده از
56
00:02:27,069 –> 00:02:32,019
اکسل 2013 در آمار استنتاج از طریق
57
00:02:32,019 –> 00:02:34,360
استنتاج منظور ما توانایی
58
00:02:34,360 –> 00:02:37,750
استنباط چیزی در مورد یک جامعه با
59
00:02:37,750 –> 00:02:40,150
اندازه گیری نمونه است. از آن جمعیت،
60
00:02:40,150 –> 00:02:42,940
بنابراین معمولاً ما در مورد چیزهایی صحبت می کنیم
61
00:02:42,940 –> 00:02:46,150
مانند انجام نظرسنجی، شاید گرفتن نظر 10
62
00:02:46,150 –> 00:02:48,640
یا 100 یا هزار نفر برای
63
00:02:48,640 –> 00:02:50,739
اندازه گیری برخی ویژگی ها و
64
00:02:50,739 –> 00:02:54,099
از این اندازه گیری استنباط
65
00:02:54,099 –> 00:02:56,860
چیزی در مورد جمعیت، اکنون
66
00:02:56,860 –> 00:02:58,390
این منطقه ای است که به کمی بیشتر نیاز دارد.
67
00:02:58,390 –> 00:03:00,099
دانش آماری بنابراین من
68
00:03:00,099 –> 00:03:02,349
قصد ندارم با جزئیات زیاد وارد آن
69
00:03:02,349 –> 00:03:04,170
شوم، اما به یک یا دو نمونه از
70
00:03:04,170 –> 00:03:06,780
نحوه کمک اکسل به آمار
71
00:03:06,780 –> 00:03:10,360
استنباطی نگاه خواهم کرد، اکنون فهرستی
72
00:03:10,360 –> 00:03:13,000
از توابع آماری در کمک اکسل را در
73
00:03:13,000 –> 00:03:13,510
اینجا
74
00:03:13,510 –> 00:03:14,890
و یکی را مشاهده می کنم. یکی از چیزهایی که فوراً متوجه خواهید شد
75
00:03:14,890 –> 00:03:18,910
این است که
76
00:03:18,910 –> 00:03:22,209
لیست بسیار طولانی از توابع است و یکی از بخش
77
00:03:22,209 –> 00:03:24,489
هایی از اکسل است که بیشترین توابع
78
00:03:24,489 –> 00:03:26,260
آن ava است. غیر ممکن است و اگر آمارگیر نیستید،
79
00:03:26,260 –> 00:03:28,870
بسیاری از اینها واقعاً
80
00:03:28,870 –> 00:03:30,880
برای شما معنی ندارند، من
81
00:03:30,880 –> 00:03:32,590
در مورد آن توابع آماری بسیار دقیق نگران نیستم،
82
00:03:32,590 –> 00:03:34,510
توابع آماری که
83
00:03:34,510 –> 00:03:35,829
شامل یک دانش فنی هستند،
84
00:03:35,829 –> 00:03:37,150
من به دنبال آن هستم. در موارد
85
00:03:37,150 –> 00:03:39,940
ساده تر در این بخش، اما
86
00:03:39,940 –> 00:03:41,859
من می خواهم به چیزی اشاره کنم که
87
00:03:41,859 –> 00:03:44,620
آیا از نسخه قبلی
88
00:03:44,620 –> 00:03:46,450
اکسل استفاده کرده اید و آیا از
89
00:03:46,450 –> 00:03:49,359
توابع آماری قبل از جایگزین شدن بسیاری از آن
90
00:03:49,359 –> 00:03:52,959
توابع در اکسل 2010 و
91
00:03:52,959 –> 00:03:57,489
اکسل 2013 با توابع استفاده کرده اید. با
92
00:03:57,489 –> 00:04:00,609
نام مشابه اما با پسوندها به عنوان مثال
93
00:04:00,609 –> 00:04:02,260
توابع چارک و من
94
00:04:02,260 –> 00:04:05,310
کمی بعد به ربع ها یا X و
95
00:04:05,310 –> 00:04:08,410
چارک ها یا جوهر نگاه خواهم کرد، به عنوان مثال بسیاری از
96
00:04:08,410 –> 00:04:10,840
توابع دارای پسوندهایی هستند که
97
00:04:10,840 –> 00:04:12,760
اگر قبل از رفتن من از آنها استفاده کرده باشید ممکن است شما را شگفت زده
98
00:04:12,760 –> 00:04:15,040
کند. برای توضیح برخی از اینها در
99
00:04:15,040 –> 00:04:17,260
این بخش در بخش بعدی، اما
100
00:04:17,260 –> 00:04:19,539
فقط توجه داشته باشید که اگر قبلاً از توابع اکسل استفاده کرده
101
00:04:19,539 –> 00:04:21,130
اید، فرض نکنید که
102
00:04:21,130 –> 00:04:23,349
همه چیز دقیقاً در حال حاضر یکسان است زیرا
103
00:04:23,349 –> 00:04:25,479
چیزهای زیادی به دلایلی تغییر کرده اند.
104
00:04:25,479 –> 00:04:27,490
ns که همانطور که گفتم به زودی توضیح خواهم داد،
105
00:04:27,490 –> 00:04:30,320
بنابراین اجازه دهید
106
00:04:30,320 –> 00:04:32,300
داده هایی را که در این بخش استفاده می کنیم به شما معرفی
107
00:04:32,300 –> 00:04:35,630
کنم، من در اینجا بخشی از
108
00:04:35,630 –> 00:04:38,690
جزئیات فروش
109
00:04:38,690 –> 00:04:40,190
بیمه نامه های یک شرکت بیمه را دارم که تعدادی
110
00:04:40,190 –> 00:04:41,840
شعبه دارد. دفاتر در سراسر ایالات متحده
111
00:04:41,840 –> 00:04:45,050
و یکی از دفاتر آنها در اورلاندو است
112
00:04:45,050 –> 00:04:48,080
و در ستون های B و C در اینجا می
113
00:04:48,080 –> 00:04:51,020
توانید از ابتدای سال 2009
114
00:04:51,020 –> 00:04:54,880
تا پایان سال 2012 تعداد
115
00:04:54,880 –> 00:04:57,380
درخواست هایی که از مشتریان داشته اند و
116
00:04:57,380 –> 00:05:00,890
تعداد سیاست های آنها را مشاهده کنید. در حال حاضر فروخته می شود
117
00:05:00,890 –> 00:05:03,440
معمولاً وقتی مجموعه ای
118
00:05:03,440 –> 00:05:05,510
از اعداد مانند سلول های خط مشی در اینجا دارید،
119
00:05:05,510 –> 00:05:07,550
اعداد عظیم ما فقط یک
120
00:05:07,550 –> 00:05:08,900
توالی می آیند که ممکن است بتوانید یک الگو را ببینید،
121
00:05:08,900 –> 00:05:12,380
اما آنچه اغلب به آن نیاز دارید، برخی از
122
00:05:12,380 –> 00:05:15,320
آمارهای توصیفی است
123
00:05:15,320 –> 00:05:17,660
مانند تعداد متوسط خط مشی ها که
124
00:05:17,660 –> 00:05:20,540
قدر است. فروخته شد و راهی که
125
00:05:20,540 –> 00:05:22,550
می توانید از آنها استفاده کنید شاید این باشد
126
00:05:22,550 –> 00:05:24,050
که به شعبه دیگری از شرکت بیمه نگاهی بیندازید
127
00:05:24,050 –> 00:05:26,420
و میانگین
128
00:05:26,420 –> 00:05:28,940
تعداد بیمه نامه های فروخته شده در آنجا را نیز مقایسه کنید، اما در
129
00:05:28,940 –> 00:05:30,020
وهله اول ما چه هستیم.
130
00:05:30,020 –> 00:05:32,540
به طور معمول برخی از
131
00:05:32,540 –> 00:05:34,820
آمارهای توصیفی است که می
132
00:05:34,820 –> 00:05:37,580
توانیم از مجموعه اعدادی مانند اینها تولید
133
00:05:37,580 –> 00:05:40,190
134
00:05:40,190 –> 00:05:42,500
135
00:05:42,500 –> 00:05:44,960
136
00:05:44,960 –> 00:05:47,090
کنیم. من قصد دارم تعدادی
137
00:05:47,090 –> 00:05:49,700
آمار را برای فروش بیمه نامه در
138
00:05:49,700 –> 00:05:51,890
آن دوره چهار ساله محاسبه کنم، من
139
00:05:51,890 –> 00:05:54,740
به این محدوده از اعداد از
140
00:05:54,740 –> 00:06:00,920
c4 تا c-51 بسیار اشاره خواهم کرد، بنابراین کاری که می
141
00:06:00,920 –> 00:06:03,080
خواهم انجام دهم این است که یک تعریف کنم. نام برای آن
142
00:06:03,080 –> 00:06:05,800
محدوده از اعداد، بنابراین با انتخاب
143
00:06:05,800 –> 00:06:10,220
راست کلیک بر روی تعریف نام، می خواهم
144
00:06:10,220 –> 00:06:20,270
آن