எக்செல் இல் தொடர்புகளை எவ்வாறு கணக்கிடுவது. எக்செல் இல் தொடர்பு மற்றும் பின்னடைவு பகுப்பாய்வு: செயல்படுத்தல் வழிமுறைகள்

இரண்டிற்கும் இடையிலான இணைப்பின் அளவைக் கணக்கிட வேண்டிய அவசியத்தை நீங்கள் ஏற்கனவே எதிர்கொண்டுள்ளீர்கள் புள்ளிவிவர அளவுகள்மற்றும் அவை தொடர்புபடுத்தும் சூத்திரத்தை தீர்மானிக்கவும்? இது ஏன் அவசியம் என்று ஒரு சாதாரண நபர் கேட்கலாம். விந்தை போதும், இது உண்மையில் அவசியம். நம்பகமான தொடர்புகளை அறிந்துகொள்வது, நீங்கள் ஒரு பங்கு வர்த்தகராக இருந்தால், பைத்தியமாக பணம் சம்பாதிக்க உதவும். பிரச்சனை என்னவென்றால், சில காரணங்களால் இந்த தொடர்புகளை யாரும் வெளிப்படுத்துவதில்லை (ஆச்சரியமாக இருக்கிறது, இல்லையா?).

அவற்றை நாமே எண்ணுவோம்! எடுத்துக்காட்டாக, யூரோ மூலம் டாலருக்கு ரூபிளின் தொடர்பைக் கணக்கிட முயற்சிக்க முடிவு செய்தேன். இது எவ்வாறு செய்யப்படுகிறது என்பதை விரிவாகப் பார்ப்போம்.

இக்கட்டுரை மேம்பட்ட நிலைத் திறனுக்கானது. மைக்ரோசாப்ட் எக்செல். முழு கட்டுரையையும் படிக்க உங்களுக்கு நேரம் இல்லையென்றால், கோப்பை பதிவிறக்கம் செய்து அதை நீங்களே கண்டுபிடிக்கலாம்.

நீங்கள் அடிக்கடி இதுபோன்ற ஒன்றைச் செய்ய வேண்டும் என்று நீங்கள் கண்டால்புத்தகத்தை வாங்குவதைப் பரிசீலிக்குமாறு நான் மிகவும் பரிந்துரைக்கிறேன். எக்செல் இல் புள்ளியியல் கணக்கீடுகள்.

தொடர்புகளைப் பற்றி தெரிந்து கொள்வது முக்கியம்

நம்பகமான தொடர்பைக் கணக்கிட, நீங்கள் ஒரு நம்பகமான மாதிரியை வைத்திருக்க வேண்டும், அது பெரியதாக இருக்கும், இதன் விளைவாக மிகவும் நம்பகமானதாக இருக்கும். நோக்கங்களுக்காக இந்த உதாரணம் 10 வருடங்களாக தினசரி மாற்று விகிதங்களை எடுத்துக்கொண்டேன். தரவு இலவசமாகக் கிடைக்கிறது, நான் அதை http://oanda.com தளத்திலிருந்து எடுத்தேன்.

நான் உண்மையில் என்ன செய்தேன்

(1) என்னிடம் மூலத் தரவு கிடைத்ததும், இரண்டு தரவுத் தொகுப்புகளுக்கு இடையே உள்ள தொடர்பின் அளவைச் சரிபார்ப்பதன் மூலம் தொடங்கினேன். இதைச் செய்ய, நான் COREL செயல்பாட்டைப் பயன்படுத்தினேன் - அதைப் பற்றி ஒரு சிறிய தகவல் உள்ளது. இது இரண்டு தரவு வரம்புகளுக்கு இடையே உள்ள தொடர்பின் அளவை வழங்குகிறது. இதன் விளைவாக, வெளிப்படையாகச் சொன்னால், குறிப்பாக சுவாரஸ்யமாக இல்லை (சுமார் 70% மட்டுமே). பொதுவாக, இரண்டு அளவுகளுக்கு இடையிலான தொடர்பு அளவு பொதுவாக இந்த அளவின் சதுரமாகக் கருதப்படுகிறது, அதாவது, தொடர்பு சுமார் 49% நம்பகமானதாக மாறியது. இது மிகக் குறைவு!

(2) இது எனக்கு மிகவும் விசித்திரமாகத் தோன்றியது. எனது கணக்கீடுகளில் என்ன பிழைகள் ஊடுருவியிருக்கலாம்? எனவே நான் ஒரு வரைபடத்தை உருவாக்க முடிவு செய்தேன் மற்றும் என்ன நடக்கும் என்று பார்க்கிறேன். வரைபடமானது வருடாவருடம் பிரத்யேகமாக உடைக்கப்பட்டது, இதன் மூலம் தொடர்பு எங்கு உடைகிறது என்பதை நீங்கள் பார்வைக்குக் காணலாம். அட்டவணை இப்படி மாறியது

(3) ஒரு யூரோவிற்கு சுமார் 35 ரூபிள் வரம்பில் தொடர்பு இரண்டு பகுதிகளாக உடைக்கத் தொடங்குகிறது என்பது வரைபடத்திலிருந்து தெளிவாகத் தெரிகிறது. இதன் காரணமாக, அது நம்பகத்தன்மையற்றதாக மாறியது. இது ஏன் நடக்கிறது என்பதை தீர்மானிக்க வேண்டியது அவசியம்.

(4) இந்தத் தரவு 2007, 2008, 2009 ஆகியவற்றைக் குறிக்கிறது என்பதை வண்ணம் காட்டுகிறது. நிச்சயமாக! பொருளாதார உச்சநிலைகள் மற்றும் மந்தநிலைகளின் காலங்கள் பொதுவாக புள்ளிவிவர ரீதியாக நம்பமுடியாதவை, இது இந்த விஷயத்தில் நடந்தது. எனவே, இந்த காலங்களை தரவுகளிலிருந்து விலக்க முயற்சித்தேன் (மேலும் சரிபார்க்க, இந்த காலகட்டத்தில் தரவின் தொடர்பு அளவை நான் சரிபார்த்தேன்). இந்த தரவுகளின் தொடர்பு அளவு மட்டும் 0.01% ஆகும், அதாவது அது முற்றிலும் இல்லை. ஆனால் அவை இல்லாமல், தரவு தோராயமாக 81% உடன் தொடர்புடையது. இது ஏற்கனவே மிகவும் நம்பகமான தொடர்பு. செயல்பாட்டுடன் ஒரு வரைபடம் இங்கே உள்ளது.

அடுத்த படிகள்

கோட்பாட்டளவில், தொடர்புச் செயல்பாட்டை நேர்கோட்டிலிருந்து அதிவேகமாக அல்லது மடக்கையாக மாற்றுவதன் மூலம் செம்மைப்படுத்தலாம். இந்த வழக்கில், தொடர்புகளின் புள்ளிவிவர நம்பகத்தன்மை தோராயமாக ஒரு சதவிகிதம் அதிகரிக்கிறது, ஆனால் சூத்திரத்தைப் பயன்படுத்துவதில் சிக்கலானது நம்பமுடியாத அளவிற்கு அதிகரிக்கிறது. எனவே, நான் என்னை நானே கேள்வி கேட்டுக்கொள்கிறேன்: இது உண்மையில் அவசியமா? ஒவ்வொரு குறிப்பிட்ட வழக்கிற்கும் - முடிவு செய்வது உங்களுடையது.

தொடர்பு குணகம் இரண்டு குறிகாட்டிகளுக்கு இடையிலான உறவின் அளவை பிரதிபலிக்கிறது. இது எப்போதும் -1 முதல் 1 வரையிலான மதிப்பை எடுக்கும். குணகம் 0ஐ சுற்றி அமைந்திருந்தால், மாறிகளுக்கு இடையே எந்த தொடர்பும் இல்லை.

மதிப்பு ஒன்றுக்கு அருகில் இருந்தால் (உதாரணமாக 0.9 இலிருந்து), கவனிக்கப்பட்ட பொருட்களுக்கு இடையே ஒரு வலுவான நேரடி உறவு உள்ளது. குணகம் (-1) வரம்பின் மற்ற தீவிர புள்ளிக்கு அருகில் இருந்தால், மாறிகளுக்கு இடையே ஒரு வலுவான தலைகீழ் உறவு உள்ளது. மதிப்பு 0 முதல் 1 அல்லது 0 முதல் -1 வரை எங்காவது இருந்தால், நாம் பலவீனமான இணைப்பைப் பற்றி பேசுகிறோம் (நேரடி அல்லது தலைகீழ்). இந்த உறவு பொதுவாக கணக்கில் எடுத்துக்கொள்ளப்படுவதில்லை: அது இல்லை என்று நம்பப்படுகிறது.

எக்செல் இல் தொடர்பு குணகத்தின் கணக்கீடு

தொடர்பு குணகம், மாறிகள் இடையே நேரடி மற்றும் தலைகீழ் உறவுகளின் அம்சங்கள் ஆகியவற்றைக் கணக்கிடுவதற்கான முறைகளின் உதாரணத்தைப் பார்ப்போம்.

x மற்றும் y குறிகாட்டிகளின் மதிப்புகள்:

Y என்பது ஒரு சார்பு மாறி, x என்பது சார்பு மாறி. அவற்றுக்கிடையேயான இணைப்பின் வலிமை (வலுவான/பலவீனமான) மற்றும் திசை (முன்னோக்கி/தலைகீழ்) ஆகியவற்றைக் கண்டறிவது அவசியம். தொடர்பு குணகம் சூத்திரம் இதுபோல் தெரிகிறது:

புரிந்துகொள்வதை எளிதாக்க, அதை பல எளிய கூறுகளாகப் பிரிக்கலாம்.

மாறிகளுக்கு இடையே ஒரு வலுவான நேரடி உறவு தீர்மானிக்கப்படுகிறது.

உள்ளமைக்கப்பட்ட CORREL செயல்பாடு சிக்கலான கணக்கீடுகளைத் தவிர்க்கிறது. அதை பயன்படுத்தி எக்செல் இல் உள்ள ஜோடி தொடர்பு குணகத்தை கணக்கிடுவோம். செயல்பாட்டு வழிகாட்டியை அழைக்கவும். சரியானதைக் காண்கிறோம். செயல்பாட்டு வாதங்கள் y மதிப்புகளின் வரிசை மற்றும் x மதிப்புகளின் வரிசை:

வரைபடத்தில் மாறிகளின் மதிப்புகளைக் காண்பிப்போம்:

y மற்றும் x இடையே ஒரு வலுவான இணைப்பு தெரியும், ஏனெனில் கோடுகள் ஒன்றுக்கொன்று இணையாக இயங்குகின்றன. உறவு நேரடியானது: y அதிகரிக்கிறது - x அதிகரிக்கிறது, y குறைகிறது - x குறைகிறது.

Excel இல் இணை தொடர்பு குணகம் மேட்ரிக்ஸ்

தொடர்பு அணி என்பது வரிசைகள் மற்றும் நெடுவரிசைகளின் குறுக்குவெட்டில் உள்ள ஒரு அட்டவணையாகும், அதில் தொடர்புடைய மதிப்புகளுக்கு இடையிலான தொடர்பு குணகங்கள் அமைந்துள்ளன. பல மாறிகளுக்கு அதை உருவாக்குவது அர்த்தமுள்ளதாக இருக்கிறது.

Excel இல் உள்ள தொடர்பு குணகங்களின் அணியானது "தரவு பகுப்பாய்வு" தொகுப்பிலிருந்து "தொடர்பு" கருவியைப் பயன்படுத்தி கட்டமைக்கப்பட்டுள்ளது.

y மற்றும் x1 மதிப்புகளுக்கு இடையே ஒரு வலுவான நேரடி உறவு கண்டறியப்பட்டது. x1 மற்றும் x2 இடையே ஒரு வலுவான உள்ளது கருத்து. நெடுவரிசை x3 இல் உள்ள மதிப்புகளுடன் நடைமுறையில் எந்த தொடர்பும் இல்லை.

x·y, x, y ஆகியவை மாதிரிகளின் சராசரி மதிப்புகள்; σ(x), σ(y) - நிலையான விலகல்கள்.
கூடுதலாக, நேரியல் ஜோடி தொடர்பு குணகத்தை பின்னடைவு குணகம் b: , இங்கு σ(x)=S(x), σ(y)=S(y) - நிலையான விலகல்கள், b - பின்னடைவில் x க்கு முன் குணகம் சமன்பாடு y= a+bx.

பிற சூத்திர விருப்பங்கள்:
அல்லது

K xy - தொடர்புத் தருணம் (கோவெரியன்ஸ் குணகம்)

நேரியல் தொடர்பு குணகம் -1 முதல் +1 வரையிலான மதிப்புகளை எடுக்கும் (சாடாக் அளவைப் பார்க்கவும்). எடுத்துக்காட்டாக, இரண்டு மாறிகளுக்கு இடையிலான நேரியல் தொடர்புகளின் நெருக்கத்தை பகுப்பாய்வு செய்யும் போது, ​​-1 க்கு சமமான ஜோடி நேரியல் தொடர்பு குணகம் பெறப்பட்டது. இதன் பொருள் மாறிகளுக்கு இடையே சரியான தலைகீழ் நேரியல் உறவு உள்ளது.

தொடர்பு குணகத்தின் பண்புகள்

1. |r xy | ≤ 1;
2. X மற்றும் Y ஆகியவை சுயாதீனமாக இருந்தால், r xy =0, உரையாடல் எப்போதும் உண்மையாக இருக்காது;
3. என்றால் |r xy |=1, பின்னர் Y=aX+b, |r xy (X,aX+b)|=1, இங்கு a மற்றும் b மாறிலிகள், a ≠ 0;
4. |r xy (X,Y)|=|r xy (a 1 X+b 1, a 2 X+b 2)|, இதில் a 1, a 2, b 1, b 2 மாறிலிகள்.

வழிமுறைகள். உள்ளீட்டுத் தரவின் அளவைக் குறிப்பிடவும். இதன் விளைவாக தீர்வு ஒரு வேர்ட் கோப்பில் சேமிக்கப்படும் (ஒரு பின்னடைவு சமன்பாட்டைக் கண்டறிவதற்கான உதாரணத்தைப் பார்க்கவும்). எக்செல் இல் ஒரு தீர்வு டெம்ப்ளேட் தானாகவே உருவாக்கப்படும். .

இன்றைய கட்டுரை மாறிகள் எவ்வாறு ஒன்றோடொன்று தொடர்புடையதாக இருக்கும் என்பதைப் பற்றி பேசும். தொடர்புகளைப் பயன்படுத்தி, முதல் மற்றும் இரண்டாவது மாறிக்கு இடையே தொடர்பு உள்ளதா என்பதை நாம் தீர்மானிக்க முடியும். முந்தைய செயல்பாடுகளைப் போலவே இந்தச் செயலையும் நீங்கள் வேடிக்கையாகக் காண்பீர்கள் என்று நம்புகிறேன்!

தொடர்பு என்பது x மற்றும் y இடையே உள்ள உறவின் வலிமை மற்றும் திசையை அளவிடுகிறது. படம் காட்டுகிறது பல்வேறு வகையானவரிசைப்படுத்தப்பட்ட ஜோடிகளின் சிதறல் அடுக்கு வடிவில் உள்ள தொடர்புகள் (x, y). பாரம்பரியமாக, x மாறி கிடைமட்ட அச்சில் வைக்கப்படுகிறது மற்றும் y மாறி செங்குத்து அச்சில் வைக்கப்படுகிறது.

வரைபடம் A என்பது நேர்மறை நேரியல் தொடர்புக்கு ஒரு எடுத்துக்காட்டு: x அதிகரிக்கும் போது, ​​y மேலும் அதிகரிக்கிறது மற்றும் நேரியல். வரைபடம் B எதிர்மறை நேரியல் தொடர்புக்கான உதாரணத்தைக் காட்டுகிறது, அங்கு x அதிகரிக்கும் போது, ​​y நேரியல் முறையில் குறைகிறது. வரைபடத்தில் C இல் x மற்றும் y க்கு இடையில் எந்த தொடர்பும் இல்லை என்பதைக் காண்கிறோம். இந்த மாறிகள் எந்த வகையிலும் ஒன்றையொன்று பாதிக்காது.

இறுதியாக, வரைபடம் D என்பது மாறிகளுக்கு இடையிலான நேரியல் அல்லாத உறவுகளுக்கு ஒரு எடுத்துக்காட்டு. x அதிகரிக்கும் போது, ​​y முதலில் குறைகிறது, பின்னர் திசையை மாற்றி அதிகரிக்கிறது.

கட்டுரையின் எஞ்சிய பகுதி சார்பு மற்றும் சுயாதீன மாறிகளுக்கு இடையிலான நேரியல் உறவுகளில் கவனம் செலுத்துகிறது.

தொடர்பு குணகம்

தொடர்பு குணகம், r, சுதந்திரமான மற்றும் சார்பு மாறிகளுக்கு இடையிலான உறவின் வலிமை மற்றும் திசை ஆகிய இரண்டையும் நமக்கு வழங்குகிறது. r வரம்பின் மதிப்புகள் - 1.0 மற்றும் + 1.0. r நேர்மறையாக இருக்கும் போது, ​​x மற்றும் y இடையே உள்ள உறவு நேர்மறையாக இருக்கும் (படத்தில் வரைபடம் A), மற்றும் r எதிர்மறையாக இருக்கும் போது, ​​அந்த உறவும் எதிர்மறையாக இருக்கும் (வரைபடம் B). பூஜ்ஜியத்திற்கு நெருக்கமான ஒரு தொடர்பு குணகம் x மற்றும் y (வரைபடம் C) இடையே எந்த தொடர்பும் இல்லை என்பதைக் குறிக்கிறது.

x மற்றும் y இடையே உள்ள உறவின் வலிமை, தொடர்பு குணகம் - 1.0 அல்லது +- 1.0 க்கு அருகில் உள்ளதா என்பதன் மூலம் தீர்மானிக்கப்படுகிறது. பின்வரும் வரைபடத்தைப் படிக்கவும்.

வரைபடம் A ஆனது r = + 1.0 இல் x மற்றும் y க்கு இடையே ஒரு சரியான நேர்மறை தொடர்பைக் காட்டுகிறது. வரைபடம் B - r = - 1.0 இல் x மற்றும் y இடையே உள்ள சிறந்த எதிர்மறை தொடர்பு. வரைபடங்கள் C மற்றும் D ஆகியவை சார்பு மற்றும் சுயாதீன மாறிகளுக்கு இடையிலான பலவீனமான உறவுகளின் எடுத்துக்காட்டுகள்.

தொடர்பு குணகம், r, சார்பு மற்றும் சுயாதீன மாறிகளுக்கு இடையிலான உறவின் வலிமை மற்றும் திசை இரண்டையும் தீர்மானிக்கிறது. r மதிப்புகள் - 1.0 (வலுவான எதிர்மறை உறவு) முதல் + 1.0 (வலுவான நேர்மறை உறவு) வரை இருக்கும். r = 0 ஆக இருக்கும் போது x மற்றும் y மாறிகளுக்கு இடையே எந்த தொடர்பும் இல்லை.

பின்வரும் சமன்பாட்டைப் பயன்படுத்தி உண்மையான தொடர்பு குணகத்தை நாம் கணக்கிடலாம்:

சரி, சரி! இந்த சமன்பாடு விசித்திரமான சின்னங்களின் பயங்கரமான குழப்பம் போல் தெரிகிறது, ஆனால் நாம் பயப்படுவதற்கு முன், தேர்வு தரத்தின் உதாரணத்தைப் பயன்படுத்துவோம். மணிநேரங்களின் எண்ணிக்கைக்கு இடையே தொடர்பு இருக்கிறதா என்பதை நான் தீர்மானிக்க விரும்புகிறேன் என்று வைத்துக்கொள்வோம். மாணவரால் அர்ப்பணிக்கப்பட்டதுபுள்ளியியல் படிப்பது, மற்றும் இறுதி தேர்வு தரம். கீழே உள்ள அட்டவணை இந்த சமன்பாட்டை பல எளிய கணக்கீடுகளாக உடைத்து அவற்றை மேலும் நிர்வகிக்க உதவும்.

நீங்கள் பார்க்கிறபடி, ஒரு பாடத்தைப் படிப்பதற்காக ஒதுக்கப்பட்ட மணிநேரங்களின் எண்ணிக்கைக்கும் தேர்வு தரத்திற்கும் இடையே மிகவும் வலுவான நேர்மறையான தொடர்பு உள்ளது. இதை அறிந்த ஆசிரியர்கள் மிகவும் மகிழ்ச்சி அடைவார்கள்.

ஒத்த மாறிகளுக்கு இடையே உறவுகளை ஏற்படுத்துவதன் நன்மை என்ன? அருமையான கேள்வி. ஒரு உறவு இருப்பது கண்டறியப்பட்டால், பாடத்தைப் படிக்க செலவழித்த குறிப்பிட்ட மணிநேரங்களின் அடிப்படையில் தேர்வு முடிவுகளை நாம் கணிக்க முடியும். எளிமையாகச் சொன்னால், வலுவான இணைப்பு, எங்கள் கணிப்பு மிகவும் துல்லியமாக இருக்கும்.

தொடர்பு குணகங்களைக் கணக்கிட எக்செல் பயன்படுத்துதல்

தொடர்பு குணகங்களின் இந்த பயங்கரமான கணக்கீடுகளை நீங்கள் பார்க்கும்போது, ​​அதை அறிந்து நீங்கள் உண்மையிலேயே மகிழ்ச்சியடைவீர்கள் என்று நான் நம்புகிறேன். எக்செல் நிரல்பின்வரும் குணாதிசயங்களுடன் COREL செயல்பாட்டைப் பயன்படுத்தி உங்களுக்காக இந்த எல்லா வேலைகளையும் செய்ய முடியும்:

CORREL (வரிசை 1; வரிசை 2),

வரிசை 1 = முதல் மாறிக்கான தரவு வரம்பு,

வரிசை 2 = இரண்டாவது மாறிக்கான தரவு வரம்பு.

எடுத்துக்காட்டாக, பரீட்சை தர உதாரணத்திற்கான தொடர்பு குணகத்தைக் கணக்கிடப் பயன்படுத்தப்படும் COREL செயல்பாட்டை படம் காட்டுகிறது.

பல நிறுவனங்கள் மற்றும் நிறுவனங்களில் பரவலாகப் பயன்படுத்தப்படும் ஒரு பயன்பாடு. உண்மை என்னவென்றால், ஏறக்குறைய எந்தவொரு பணியாளரும் எக்செல் இல் ஒரு பட்டம் அல்லது இன்னொரு அளவிற்கு நிபுணத்துவம் பெற்றவராக இருக்க வேண்டும், ஏனெனில் இந்த திட்டம் மிகவும் தீர்க்க பயன்படுத்தப்படுகிறது. பரந்த எல்லைபணிகள். அட்டவணைகளுடன் பணிபுரியும் போது, ​​​​சில மாறிகள் ஒருவருக்கொருவர் தொடர்புடையதா என்பதை நீங்கள் அடிக்கடி தீர்மானிக்க வேண்டும். இந்த நோக்கத்திற்காக, தொடர்பு என்று அழைக்கப்படுவது பயன்படுத்தப்படுகிறது. இந்த கட்டுரையில், எக்செல் இல் தொடர்பு குணகத்தை எவ்வாறு கணக்கிடுவது என்பது பற்றி விரிவாகப் பார்ப்போம். அதை கண்டுபிடிக்கலாம். போகலாம்!

பொதுவாக ஒரு தொடர்பு குணகம் என்றால் என்ன என்று ஆரம்பிக்கலாம். இது இரண்டு உறுப்புகளுக்கு இடையிலான உறவின் அளவைக் காட்டுகிறது மற்றும் எப்போதும் -1 (வலுவான தலைகீழ் உறவு) முதல் 1 (வலுவான முன்னோக்கி உறவு) வரை இருக்கும். குணகம் 0 என்றால், மதிப்புகளுக்கு இடையே எந்த தொடர்பும் இல்லை என்பதை இது குறிக்கிறது.

இப்போது, ​​கோட்பாட்டைக் கையாண்ட பிறகு, பயிற்சிக்கு செல்லலாம். மாறிகள் மற்றும் y இடையே உள்ள தொடர்பைக் கண்டறிய, மைக்ரோசாஃப்ட் எக்செல் "CORREL" செயல்பாட்டைப் பயன்படுத்தவும். இதைச் செய்ய, செயல்பாட்டு வழிகாட்டி பொத்தானைக் கிளிக் செய்க (இது சூத்திர புலத்திற்கு அடுத்ததாக அமைந்துள்ளது). திறக்கும் சாளரத்தில், செயல்பாடுகளின் பட்டியலிலிருந்து "CORREL" என்பதைத் தேர்ந்தெடுக்கவும். அதன் பிறகு, "Array1" மற்றும் "Array2" புலங்களில் வரம்பை அமைக்கவும். எடுத்துக்காட்டாக, "Array1"க்கு y மதிப்புகளையும், "Array2"க்கு x மதிப்புகளையும் தேர்ந்தெடுக்கவும். இதன் விளைவாக, நிரலால் கணக்கிடப்பட்ட தொடர்பு குணகத்தைப் பெறுவீர்கள்.

கொடுக்கப்பட்ட சூத்திரத்தைப் பயன்படுத்தி சார்புநிலையைக் கண்டறிய வேண்டிய மாணவர்களுக்கு பின்வரும் முறை பொருத்தமானதாக இருக்கும். முதலில், x மற்றும் y மாறிகளின் சராசரி மதிப்புகளை நீங்கள் அறிந்து கொள்ள வேண்டும். இதைச் செய்ய, மாறி மதிப்புகளைத் தேர்ந்தெடுத்து "சராசரி" செயல்பாட்டைப் பயன்படுத்தவும். அடுத்து, நீங்கள் ஒவ்வொரு x மற்றும் x சராசரி மற்றும் y சராசரிக்கும் இடையே உள்ள வித்தியாசத்தைக் கணக்கிட வேண்டும். தேர்ந்தெடுக்கப்பட்ட கலங்களில் எழுதவும் சூத்திரங்கள் x-x, y-. செல்களை சராசரியுடன் பின் செய்ய மறக்காதீர்கள். பின்னர் சூத்திரத்தை கீழே நீட்டவும், அது மீதமுள்ள எண்களுக்கு பொருந்தும்.

இப்போது தேவையான அனைத்து தரவும் எங்களிடம் உள்ளது, நாம் தொடர்புகளை கணக்கிடலாம். இதன் விளைவாக வரும் வேறுபாடுகளை இந்த வழியில் பெருக்கவும்: (x-x avg) * (y-y avg). ஒவ்வொரு மாறிக்கும் முடிவு கிடைத்ததும், AutoSum செயல்பாட்டைப் பயன்படுத்தி அதன் விளைவாக வரும் எண்களைச் சேர்க்கவும். இப்படித்தான் எண் கணக்கிடப்படுகிறது.

இப்போது வகுப்பிற்கு செல்லலாம். கணக்கிடப்பட்ட வேறுபாடுகள் சதுரமாக இருக்க வேண்டும். இதைச் செய்ய, சூத்திரங்களை ஒரு தனி நெடுவரிசையில் உள்ளிடவும்: (x-x avg) 2 மற்றும் (y-y avg) 2. பின்னர் முழு வரம்பில் சூத்திரங்களை நீட்டவும். பின்னர், “AutoSum” பொத்தானைப் பயன்படுத்தி, அனைத்து நெடுவரிசைகளுக்கும் (x மற்றும் y க்கு) தொகையைக் கண்டறியவும். கண்டுபிடிக்கப்பட்ட தொகைகளை பெருக்கி அவற்றிலிருந்து பிரித்தெடுப்பது உள்ளது சதுர வேர். கடைசி படி- எண்ணை வகுப்பால் வகுக்கவும். பெறப்பட்ட முடிவு விரும்பிய தொடர்பு குணகமாக இருக்கும்.

நீங்கள் பார்க்க முடியும் என, மைக்ரோசாஃப்ட் எக்செல் செயல்பாடுகளுடன் சரியாக வேலை செய்வது எப்படி என்பதை அறிந்து, சிக்கலான கணித வெளிப்பாடுகளை கணக்கிடும் பணியை நீங்கள் கணிசமாக எளிதாக்கலாம். நிரலில் செயல்படுத்தப்பட்ட கருவிகளுக்கு நன்றி, நீங்கள் எக்செல் இல் சில நிமிடங்களில் எளிதாக தொடர்பு பகுப்பாய்வு செய்யலாம், நேரத்தையும் முயற்சியையும் மிச்சப்படுத்தலாம். சிக்கலைப் புரிந்துகொள்ள கட்டுரை உங்களுக்கு உதவியதா என்பதை கருத்துகளில் எழுதுங்கள், விவாதிக்கப்பட்ட தலைப்பில் உங்களுக்கு ஆர்வமுள்ள அனைத்தையும் கேளுங்கள்.