主页spacer>Mergemill 标签指南>spacer统计函数标签

spacer

内容插入

算术表达式

循环

分支

系统值

统计函数

区段

范例

spacer

<?SMAX([数值栏])?>
<?SMIN([
数值栏])?>
<?SCNT([
数值栏],[频率栏])?>
<?SSUM([
数值栏],[频率栏])?>
<?SAVG([
数值栏],[频率栏])?>

<?SSDS([数值栏],[频率栏])?>
<?SSDP([
数值栏],[频率栏])?>

<?LRCT([输入栏X],[回应栏Y])?>
<?LRRC([
输入栏X],[回应栏Y])?>
<?LRCC([
输入栏X],[回应栏Y])?>

你可以标签的形式放置统计函数在模板内,没有标签首尾标记 <? 和 ?> 的统计函数也可被用来作为表达式操作数。统计函数标签内的栏位所包含的属性设定会被忽略,但「结果数字格式」则有如常的作用。

模板中使用的统计函数会于数据流开始时计算。无论涉及的栏位属循环外或循环内,函数结果会于同一输出页组内维持不变。作业内的「循环外占位栏数据环回」设定并不适用于统计函数,如函数的任何一个相关栏位用尽其数据流,该函数会返回空白值。

space
基本统计函数

第一组的五个函数适用于任何当前数据流的数值数据列。SMAX 和 SMIN 分别返回指定占位栏提取的所有数据的最高和最低数据值。SCNT 返回数据值的总数量,如频率栏没有被使用,则每个数据值的频率被假设是 1。SSUM 会以数值栏及频率栏去计算总和。SVG 返回所有数据的平均值,如 SCNT 或 SSUM 未被计算,它们会先于 SVG 被计算。

第二组的两个函数适用于正态分布的数值数据。SSDS 返回当前数据流的「样本标准偏差值」,SSDP 则返回当前数据流的「总体标准偏差值」。

如果每个数据值的计数为 1,你不需要提供频率栏,亦可省略标签的逗号。

space
线性回归函数

线性回归是变量 y 和变量 x1、x2 等之间关系的建模,呈现出 y 与 x 参数存在线性关系的一个重要方法。如果所有 x 参数除一个外可保持不变,线性回归模型给你一个 y 和 x 之间的简单关系:y = a + bx,其中 a 是「常数项」,b 是「回归系数」。该模型还为你提供了「相关系数」,以表示提供的数据成线性关系的合适度。

线性回归有两个重要的用途。一个是预测。发展这样一个模型后,你可以任何有效的 x 值,使用 y = a + bx,来预测 y 的值。你亦可从一个理想的回应值 y 开始,使用 x = (y - a) / b 来估计最有可能产生此 y 的 x 值。

线性回归的另一个重要用途是量化和比较 y 对每个 x 参数的依存度。你可能会发现一些 x 参数可于某些实际应用中被忽略,因为它们有相对较少的影响。

线性回归具有广泛的实际应用,特别是在环保,生物和社会科学领域。你可将它应用于研究一些数量在一段时间内的简单趋势。

Mergemill 提供了三个线性回归函数。LRCT 返回常数项 a,LRRC 返回回归系数 b,LRCC 返回相关系数 r。计算时,只有当一对数据皆非空白才会被使用。

spacer

内容插入

算术表达式

循环

分支

系统值

统计函数

区段

范例

spacer

返回页首

软件功能spacer::spacer下载专区spacer::spacer购买spacer::spacer软件支援spacer::spacer视频教程spacer::spacer标签指南spacer::spacer网站导览


版权所有 · 不得转载 © 2001-2017 Cross Culture Ltd.