利用Excel计算总体均值置信区间例某工厂想检验一批灯泡的质量，抽取10个样本对其耐用小时进行检测，结果如下：1326133613511365120913431259136513081349试以95%的置信度估计这批灯泡的平均耐用小时。打开“参数估计.xls“工作薄，选择“均值”工作表，如图所示。选择单元格D1，在“插入”菜单中选择“函数”选项，打开“粘贴函数”对话框如图所示。在“函数分类”列表中选择“统计”，在“函数名”列表中选择计数函数COUNT。单击“确定”按钮，打开计数函数对话框如图所示。在value1中输入数据范围。单击A列列头，或输入“A:A”，这相当于选择整个列，包括标题和所有的空单元格。单击“确定”按钮。单元格D1中会显示结果为10，即A列中数据的个数在单元格D2中输入公式“=AVERAGE(A:A)”，计算A列的均值，显示值为1321.1。在单元格D3中输入公式“=STDEV(A:A)”，计算A列的标准差，显示值为50.38397。在单元格D4中输入公式“=D3/SQRT(D1)”，计算标准误差，即标准差除以样本容量的平方根，D4中显示15.932.81。在单元格D5中输入置信度95%，注意加上百分号。在单元格D6中使用TINV函数计算在95%置信度和自由度下的t值。选择单元格D6，在“插入”菜单中选择“函数”选项，打开“粘贴函数”对话框。在“函数分类”列表中选择“统计”，在“函数名”列表中选择TINV函数。单击“确定”按钮，打开TINV函数对话框如图所示。在“Probability”中输入“1D5”，所显示的值是0.05。；在“Deg_freedom中输入自由度的表达式，即“D11”，所显示值是9，单击“确定”按钮，单元格D6中显示值为2.262159。在单元格D7中输入计算抽样极限误差t的公式，它是t值和标准误差的乘积，公式为“=D6*D4”，显示值为36.04255。在单元格D8和D9中输入计算置信区间上限和下限的公式，下限为样本均值减抽样极限误差，上限为样本均值加抽样极限误差。其公式分别为“=D2-D7”和“=D2+D7”，显示值为1285.057和1357.143。这样，总体均值的95%的置信区间为：总体均值区间估计结果如图所示：置信度越高，下限值越低，上限值越高，置信区间越宽；反之，置信度越低，置信区间越小。利用Excel计算必要样本单位数例某快餐店想在置信度为96%的条件下估计午餐时间每位顾客的平均支出，根据过去经验，每个顾客平均支出的标准差不超过5元，要抽取多少样本才能使其抽样极限误差不超过2元呢?打开“参数估计.xls”工作簿，选择“样本容量”工作表，如图所示：在单元格B1中输入极限误差2，在单元格B2中输入置信度0.96(或96%)。在单元格B4中输入标准差5。单元格B3中需要输入与B2中置信度相对应的Z值。使用NORNSINV函数，可以把左侧概率转换成Z值。在单元格B3中输入公式“=NORMSINV(B2)”，计算与B2的置信度相应的左侧Z值。显示对应于96%的置信度的Z值为1.750686。在B5单元格中根据上面样本容量的计算公式，输入公式“=(B32*B42)/B12”计算样本容量，显示值为19.15564。在B6单元格输入“=CEILING(B5,2)”，显示值为20。计算结果如图所示：案例研究：市场研究中使用区间估计例张先生是台湾某集团的企划部经理，在今年的规划中，集团准备在某地新建一家新的零售商店。张先生目前正在做这方面的准备工作。其中有一项便是进行市场调查。在众多信息中，经过该地行人数量是要考虑的一个很重要的方面。张先生委托他人进行了两个星期的观察，得到每天经过该地人数如下：544，468，399，759，526，212，256，456，553，259，469，366，197，178将此数据作为样本，商店开张后经过该地的人数作为总体。样本均值为403人，在95%的置信度下，能否知道每天经过此地的人数吗？操作步骤如下：打开“参数估计.xls“工作薄，选择“均值”工作表。选择单元格A1：A11，即“灯泡平均耐用小时”数据，拖动鼠标将其移到将G列。在单元格A1中输入“行人数”，从单元格A2起输入例题的调查数据。当数据输入完毕后，结果如下页图所示。从图中可以看出，在95%的置信度下，行人数位于306人500人之间。这个结论意味着如要观察100天，则有95天的行人数位于这一区间内。那么如果设立商店要求行人数最低为520的话，显然在这一地点设立商店是不明智的。案例研究：品牌认知度置信区间例某食品厂准备上市一种新产品，并配合以相应的广告宣传，企业想通过调查孩子们对其品牌的认知情况来评估广告的效用，以制定下一步的市场推广计划。他们在该地区随机抽取350个小孩作访问对象，进行儿童消费者行为与消费习惯调查，其中有一个问句是“你听说过这个牌子吗？”，在350个孩子中，有112个小孩的回答是“听说过”。根据这个问句，可以分析这一消费群体对该品牌的认知情况。所以，食品厂市场部经理要求，根据这些样本，给定95的置信度，估计该地区孩子认知该品牌的比例。打开“参数估计.xls”工作簿，选择“比例估计”工作表如图所示：在单元格B2中输入n值为350。在单元格B3中键入公式“=112350”，用Excel来计算抽样比例Pi值为0.32。在单元格B4中键入公式“=SQRT(B3*(1-B3)/B2)”计算比例标准误差。其显示值为0.024934。在单元格E2中键入置信度0.95。单元格E3中的Z值是与单元格E2中的置信度所对应的标准正态分布的区间点，它是位于中间部分的临界值。正如下页图所示，中间阴影部分相当于置信水平，两边临界值用Z和-Z来表示。使用函数NORMSINV可以确定Z值。确定与中心区域概率对应的Z值时有两种方法：一种是输入Z值左侧的“概率”，即0.25，函数将计算E2单元格中左侧部分的Z值，即返回的是-Z。这意味着在E2单元格中须用绝对值的方法将标准正态分布函数NORMSINV返回的Z值改为正数。另一种方法是把中间区域的概率与Z值左侧的概率相加，即0.95+0.25，所计算的是从左侧起一直到Z值区域的概率，通过这部分概率的计算，也可确定出Z值。选定E3单元格，输入公式“=ABS(NORMSINV(0.025)”或“=NORMSINV(E2+(1-E2)/2)”，便可确定Z值，单元格E3中将显示1.959961。在E4单元格中输入公式“=E3*B4”，计算极限误差，其结果显示为0.04887。在单元格E5中输入“=B3-E4”计算估计下限，在E6单元格中输入“=B3+E4”计算估计上限。结果分别显示为0.27113和0.36887。问题的答案是孩子们认知新品牌的比例在0.27113到0.36887之间的置信度是95%。也就是说，品牌认知度位于27%37%之间，这对于食品消费来讲，并不是一个满意的数值，因而企业应当考虑市场推广方面的问题，研究是否广告诉求对象不对，还是目标市场有偏差。估计总体比例的必要样本容量例联想集团希望了解购买“天禧”品牌计算机的消费者满意比例，集团确信“天禧”品牌计算机满意比例不会小于70%。如果集团想使抽样极限误差在2%，置信度为99%，则需要多大的样本？打开“参数估计.xls”工作簿，选择“比例样本容量”工作表。在单元格B2中输入P值70%，在单元格B3中输入置信度99%，在单元格B4中输入抽样误差2%。在单元格B5中输入计算Z值的公式“=NORMSINV(B3+(1-B3)/2)”或“=ABS(NORMSINV(0.005)”，B5单元格中的计算结果显示为2.575835。在单元格B6中输入公式“=(B2*(1-B2)*B52)/B42B6”，计算必要样本容量，结果为3483.335。在 单 元 格 B7中 输 入 公 式 “=CEILING(B6,4)” 用CELLING函数求比n大的最小整数，单元格B6为所要求的整数，4为整数的位数，显示的结果为3484。如图所示。抽样极限误差对样本容量有何影响呢?抽样误差越小估计就越精确，所以联想集团希望它越小越好。把抽样极限误差由2%改为1%，样本容量跃增为13934。可见，抽样误差减小一半，样本容量增大为原来的四倍。把P值由70%改为30%。注意到这对n值没影响把置信度由99%改为90%，这样样本容量减少为5682。Thank you very much!