ZSTAT( ) 函数

返回标准 Z 统计。

语法

ZSTAT（实际，预期，总体）

参数

名称 类型 描述
实际 数值
  • 将参数指定为数字时表示实际计数，如前导数字或前导数字组合。
  • 将参数指定为比例时表示所测试的值的预期比例，且必须介于 0 和 1 之间（包括 0 和 1）（即，大于或等于 0 且小于或等于 1）。
预期 数值
  • 将参数指定为数字时表示预期计数，如前导数字或前导数字组合。
  • 将参数指定为比例时表示所测试的值的预期比例，且必须介于 0 和 1 之间（不包括 0 和 1）（即，大于 0 且小于 1）。
总体 数值 所测试的条目的总数。 该参数必须是大于 0 的正整数。

输出

数值。

示例

高级示例

表示为数字的参数

根据前 10 年的数据，您了解到每月的工伤索赔的分布通常非常均衡。 在今年的四月、五月和六月，索赔数量增加了 10%，每个月平均为 220 而不是 200。 七月和八月的索赔数量稍微降低了一些，分别为 193 和 197。 全年的索赔总数量为 2,450。 要测试这些高值结果和低值结果是否重大，请使用 Z 统计。

四月到六月的实际索赔数为 660，高于预期值。 这个时期的预期索赔数是年索赔数 2,450 的 25%，即 612.5。 这些计数的 Z-统计计算为 2.193：

ZSTAT(660, 612.5, 2450)

对 1.96 执行的 Z-统计的有效值为 0.05，对 2.57 执行的 Z-统计的有效值为 0.01。 因此，由于偶然性而导致较高索赔率的概率介于 1:20 和 1:100 之间。

七月和八月的实际索赔数为 390，低于预期值。 这个时期的预期索赔数是年索赔数 2,450 的六分之一，即 408.33。 这些比例的 Z-统计计算为 0.967：

ZSTAT(390, 408.33, 2450)

这个结果不是非常显著。 1.000 或小于 1.000 的 Z-统计相当普遍且通常可以忽略。

表示为比例的参数

根据前 10 年的数据，您了解到每月的工伤索赔的分布通常非常均衡。 在今年的四月、五月和六月，索赔数量增加了 10%，每个月平均为 220 而不是 200。 七月和八月的索赔数量稍微降低了一些，分别为 193 和 197。 全年的索赔总数量为 2,450。 要测试这些高值结果和低值结果是否重大，请使用 Z 统计。

四月到六月的实际索赔数用比例表示为 660/2450，高于预期。 这个时期的预期数是年索赔数 2,450 的 25%。 这些比例的 Z-统计是 2.193:

ZSTAT((1.00000000 * 660 / 2450), 0.25, 2450)

对 1.96 执行的 Z-统计的有效值为 0.05，对 2.57 执行的 Z-统计的有效值为 0.01。 因此，由于偶然性而导致较高索赔率的概率介于 1:20 和 1:100 之间。

七月和八月的实际索赔数为 390，低于预期值。 这个时期的预期索赔数应该是年索赔数 2,450 的六分之一，即 16.6667%。 这些比例的 Z-统计为 0.967：

ZSTAT((1.00000000 * 390 / 2450), 0.16667, 2450)

这个结果不是非常显著。 1.000 或小于 1.000 的 Z-统计相当普遍且通常可以忽略。

备注

工作原理

ZSTAT( ) 函数计算标准 Z-统计以在很多问题解决任务（包括数字分析）中使用。 其输出的结果精确到三位小数。

使用 ZSTAT( )

使用 ZSTAT( ) 可计算给定的结果在指定周期或类别中可能出现的频率。 Z-统计结果值越大，就越不可能出现。

例如，对 1.96 执行 Z-统计的有效值为 0.05，这表示 20 次中可能出现一次；而对 2.57 执行 Z-统计的有效值为 0.01，这表示 100 次中可能出现一次。 关于 Z-统计的信息，请参考统计学教科书。

为 ZSTAT( ) 指定输入

您可以用数值或比例形式为 ZSTAT( ) 指定参数：

  • 如果您将两个输入值都指定为数字，则该函数使用浮点算法计算 Z-统计。
  • 如果您将两个输入值都指定为比例，则该函数使用定点算法计算 Z-统计，并且您需要使用小数乘法来控制舍入。
  • 当在表达式内使用表达式来计算 实际或预期值时，您必须使用小数乘数指定您希望在结果中达到的精度水平。 Analytics 具有 8 位数字精度，因此乘数 1.00000000 可返回可达到的最大精度。