Contekan · 15 lembar · 508 baris
Rumus, pintasan, dan perintah yang paling sering dipakai
Tiap baris menaut ke pelajaran yang melatihnya. Buka satu lembar untuk mencetaknya dan menempelnya di samping layar.
30 baris · “Latih” membuka latihannya
Ukuran pusat dan sebaran
medianNilai tengah setelah data diurutkan; bila banyak datanya genap, rata-rata dua nilai tengah.42, 42, 45, 48, 53 → 45 · =MEDIAN(A2:A6)
Latih: Rata-rata, median, dan modusmodusNilai yang paling sering muncul; =MODE.SNGL menghasilkan #N/A bila tidak ada nilai yang berulang.
Latih: Rata-rata, median, dan modusjangkauan = maksimum − minimumUkuran sebaran tercepat, tetapi hanya membaca dua nilai sehingga satu salah ketik menguasainya.=MAX(A2:A8)-MIN(A2:A8)
Latih: Jangkauan: ukuran sebaran yang paling sederhanaposisi kuartil = 1 + (n − 1) × pCara inklusif yang sama dengan QUARTILE; p = 0,25 untuk Q1 dan 0,75 untuk Q3.9 data terurut: Q1 di posisi 3, Q3 di posisi 7
Latih: Kuartil dan jangkauan antar-kuartilpencilan: < Q1 − 1,5 × JAK atau > Q3 + 1,5 × JAKBatasnya dihitung dari kuartil, sehingga tidak ikut tertarik oleh pencilan yang sedang dicari.12, 14, 15, 16, 40: batas 11 dan 19, jadi 40 pencilan
Latih: Misi: mengenali pencilan pada waktu tempuhs = √(Σ(x − x̄)² ÷ (n − 1))Simpangan baku sampel, =STDEV.S. Bila datanya seluruh populasi, pembaginya n: =STDEV.P.2, 4, 4, 4, 5, 5, 7, 9: populasi 2, sampel 2,14
Latih: Simpangan baku dan artinyafrekuensi relatif = frekuensi ÷ banyak dataDibaca sebagai bagian atau persen; jumlah semua frekuensi harus sama dengan banyak data.
Latih: Tabel frekuensipersen perubahan = (akhir − awal) ÷ awal × 100Pembaginya nilai awal. Selisih dan persen perubahan adalah dua angka yang berbeda.40 → 52 pesanan: 12 ÷ 40 × 100 = 30%
Latih: Membaca diagram yang sudah jadiPeluang dan sebaran diskret
P(A dan B) = P(A) × P(B)Hanya untuk kejadian bebas; hasil lemparan sebelumnya tidak mengubah peluang lemparan berikutnya.tiga angka berturut-turut: 0,5³ = 0,125
Latih: Peluang majemuk dan kekeliruan penjudiP(A | B) = P(A dan B) ÷ P(B)Peluang bersyarat: pembaginya hanya baris atau kolom tempat syarat itu berlaku. A dan B bebas bila P(A | B) = P(A).36 dari 80 pemakai promo memesan lagi: 0,45
Latih: Peluang bersyarat dan kebebasanP(K | T) = P(T | K) × P(K) ÷ P(T)Teorema Bayes; laju dasar P(K) yang kecil membuat sebagian besar tanda positif berasal dari kelompok yang keliru ditandai.
Latih: Teorema BayesE(X) = Σ x × P(x)Nilai harapan, yaitu rata-rata jangka panjang; jumlah semua peluangnya harus tepat 1.=SUMPRODUCT(A2:A4,B2:B4)
Latih: Peubah acak diskret dan nilai harapanbinomial: C(n, k) × pᵏ × (1 − p)ⁿ⁻ᵏPeluang tepat k berhasil dari n percobaan bebas dengan p tetap; rata-ratanya n × p dan simpangan bakunya √(n × p × (1 − p)).=BINOM.DIST(8,10,0.8,FALSE) → 0,302
Latih: Sebaran binomialPoisson: e^(−λ) × λᵏ ÷ k!Peluang tepat k kejadian per selang dengan laju rata-rata λ; rata-rata dan ragamnya sama-sama λ.=POISSON.DIST(0,2.5,FALSE) → 0,082
Latih: Sebaran Poisson dan hipergeometrikSebaran normal dan menaksir
z = (x − μ) ÷ σSkor baku: jarak sebuah nilai dari rata-ratanya dalam satuan simpangan baku.=STANDARDIZE(150,120,15) → 2
Latih: Skor baku dan aturan empirisaturan 68–95–99,7Pada sebaran normal, sekitar 68%, 95%, dan 99,7% nilai berada dalam 1, 2, dan 3 simpangan baku dari rata-rata.
Latih: Skor baku dan aturan empirisgalat baku = σ ÷ √nSimpangan baku rata-rata sampel; sampel empat kali lipat membagi dua galat bakunya. Dari data sampel: s ÷ √n.σ = 4, n = 64: 4 ÷ 8 = 0,5
Latih: Sebaran rata-rata sampel dan teorema limit pusatx̄ ± t* × s ÷ √nSelang kepercayaan rata-rata dengan derajat bebas n − 1; =CONFIDENCE.T(0,05; s; n) memberi margin galatnya.x̄ 20, s 3, n 9: t* 2,306 → 17,69 sampai 22,31
Latih: Selang kepercayaan rata-ratap̂ ± 1,96 × √(p̂(1 − p̂) ÷ n)Selang kepercayaan 95% untuk proporsi, layak bila jawaban ya dan tidak masing-masing paling sedikit 10.90 dari 150: 0,522 sampai 0,678
Latih: Selang kepercayaan proporsi dan ukuran sampeln = z*² × p(1 − p) ÷ E²Ukuran sampel untuk margin galat E; pakai p = 0,5 bila belum ada perkiraan, dan bulatkan ke atas.
Latih: Selang kepercayaan proporsi dan ukuran sampelUji hipotesis
H0: μ = μ0Hipotesis nol selalu memuat tanda sama dengan; arah H1 ditetapkan dari pertanyaannya sebelum data dilihat.
Latih: Gagasan uji hipotesisp < α → tolak H0Nilai p bukan peluang H0 benar, dan gagal menolak H0 tidak membuktikan H0. Galat tipe I menolak H0 yang benar; peluangnya α.
Latih: Gagasan uji hipotesist = (x̄ − μ0) ÷ (s ÷ √n)Uji t satu sampel dengan derajat bebas n − 1; nilai p dua sisinya =T.DIST.2T(ABS(t), n − 1).x̄ 197, μ0 200, s 4, n 9: t = −2,25
Latih: Uji t untuk rata-rataT.TEST(larik1, larik2, 2, tipe)Tipe 1 untuk data berpasangan seperti sebelum–sesudah, 2 untuk dua sampel bebas beragam sama, 3 untuk uji Welch.
Latih: Uji t untuk rata-rataz = (p̂ − p0) ÷ √(p0(1 − p0) ÷ n)Uji satu proporsi; galat bakunya memakai p0 dari H0, bukan p̂.
Latih: Uji proporsiχ² = Σ(O − E)² ÷ EUji chi-kuadrat; frekuensi harapan sel = jumlah baris × jumlah kolom ÷ total, derajat bebas (baris − 1) × (kolom − 1).=CHISQ.TEST(teramati, harapan)
Latih: Uji chi-kuadratKorelasi dan regresi
r antara −1 dan 1Korelasi Pearson mengukur hubungan yang lurus, =CORREL; korelasi tidak membuktikan sebab-akibat.
Latih: Diagram pencar dan korelasiŷ = a + b × xGaris regresi kuadrat terkecil: b =SLOPE(y, x), a =INTERCEPT(y, x), dengan larik y ditulis lebih dulu. =RSQ(y, x) memberi r².a = 40, b = 18, x = 10 → ŷ = 220
Latih: Regresi linear sederhanaresidu = y − ŷPositif bila titiknya di atas garis. Prediksi di luar rentang x pada data adalah ekstrapolasi.tagihan 232, prediksi 220: residu 12
Latih: Regresi linear sederhanakorelasi SpearmanKorelasi Pearson atas peringkat data; mengukur hubungan monoton dan lebih tahan terhadap pencilan.stats.spearmanr(x, y)
Latih: Korelasi Spearman