Excel中求方差的函数是什么？

根据问题中的公式可知，Excel中求方差时，用的函数为：VARP函数。具体求解方差步骤如下：

1、双击需填入方差值的单元格，输入“=”号，如下图所示：

2、在函数编辑栏，填入VARP函数，如果是连续的一列数值，可用“：”表示起始单元格和结束单元格位置，如下图所示：

3、如需要选择单独的几个单元格进行方差计算，可在函数编辑栏中输入VARP函数，然后分别输入单元格位置，以“，”隔开即可，如下图所示：

3、编辑好公式后，点击回车按钮，即可得到计算结果，如下图所示：

扩展资料

1、在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：;

其中， 为总体方差，X为变量，u为总体均值，N为总体例数

2、VARP 的公式为：，其中 x 为样本平均值 AVERAGE(number1,number2,…)，n 为样本大小

参考资料：

Office支持-VARP函数

对于二维连续变量的分布函数F(x，y)，一般应用其概率密度函数f(x，y)的定积分求解；对于非连续变量，需要分别累加求得与一维随机变量的求法相仿。

∴本题中，当x∈(0,∞)、y∈(0，∞)时，分布函数F(x，y)=∫(-∞，x)du∫(-∞,y)f(u，v)dv=∫(0，x)du∫(-0，y)2e^(-2u-v)dv=∫(0，x)2e^(-2u)du∫(-0，y)e^(-v)dv=[1-e^(-2x)][1-e^(-y)]。

当x∉(0，∞)、y∉(0，∞)时，分布函数F(x,y)=∫(-∞，0)du∫(-∞，0)f(u，v)dv=0。

扩展资料：

随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。

事件随机发生的机率，对于均匀分布函数，概率密度等于一段区间(事件的取值范围)的概率除以该段区间的长度，它的值是非负的，可以很大也可以很小。

可以把概率密度看成是纵坐标，区间看成是横坐标，概率密度对区间的积分就是面积，而这个面积就是事件在这个区间发生的概率，所有面积的和为1。所以单独分析一个点的概率密度是没有任何意义的，它必须要有区间作为参考和对比。

离散型随机变量的分布律和它的分布函数是相互唯一决定的。它们皆可以用来描述离散型随机变量的统计规律性，但分布律比分布函数更直观简明，处理更方便。因此，一般是用分布律(概率函数)而不是分布函数来描述离散型随机变量。

——二维随机变量

离散型随机变量的方差：

D(X) = E{[X - E(X)]^2}；（1）

=E(X^2) - (EX)^2；（2）

（1）式是方差的离差表示，,如果不懂，可以记忆（2）式

（2）式表示：方差 = X^2的期望 - X的期望的平方。

X和X^2都是随机变量，针对于某次随机变量的取值， 

例如： 随机变量X服从“0 - 1”：取0概率为q，取1概率为p，p+q=1 则： 对于随即变量X的期望 E(X) = 0q + 1p = p 同样对于随即变量X^2的期望 E(X^2) = 0^2 q + 1^2 p = p 

所以由方差公式（2）得：D(X) = E(X^2) - (EX)^2 = p - p^2 = p(1-p) = pq 无论对于X或者X^2，都是一次随机变量，或者一次实验，不是什么未知的函数， 要通过题目的的随机变量到底是服从什么分配，然后才可以判断出该随机变量具有什么性质或者可以得出什么条件。

扩展资料：

机变量的期望，离散情形：如果X是离散随机变量，具有概率质量函数p（x），那么X的期望值定义为E[X]=

。换句话说，X的期望是X可能取的值的加权平均，每个值被X取此值的概率所加权。

连续情形：也可以定义连续随机变量的期望值。如果X是具有概率密度函数f（x）的连续随机变量，那么X的期望就定义为E[X]=

=

=β+a/2。换句话说，在（a，β） 上均匀分布的随机变量的期望值正是区间的中点。

随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。

如分析测试中的测定值就是一个以概率取值的随机变量，被测定量的取值可能在某一范围内随机变化，具体取什么值在测定之前是无法确定的，但测定的结果是确定的，多次重复测定所得到的测定值具有统计规律性。

随机变量与模糊变量的不确定性的本质差别在于，后者的测定结果仍具有不确定性，即模糊性。

参考资料：

方法很多给一种比较直观的：连续性随机变量取值在a,b之间的概率是∫f(x)dx,下限a,上限b,f(x)是密度函数那么取某一定值的概率是∫f(x)dx,下限a,上限a显然积分值为零

E(X)就是X的平均值

你就想成你每次考试,比如2次考100,一次0分,一共3次,就是(2/3)100+(1/3)0=666分

密度函数设成f(x,y) 就相当于上文(2/3),(1/3)

积分就是求非常多个小东西的和,只不过这些东西是有实数那么多,求和就是离散的和,一般是有限个东西的和,最多就是整数那么多个和,不要把积分想的很神圣

(重积分)xf(x,y)就是E(X)

(重积分)yf(x,y)就是E(Y)

(重积分)xyf(x,y)就是E(XY)

具体回答如图：

当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布。

扩展资料：

如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量。例如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，x的取值范围是[0,15），它是一个区间，从理论上说在这个区间内可取任一实数35等。

对于连续型随机变量X，若其定义域为（a，b），概率密度函数为f（x），连续型随机变量X方差计算公式：D（X）=（x-μ）^2 f（x） dx

方差刻画了随机变量的取值对于其数学期望的离散程度。（标准差、方差越大，离散程度越大）

若X的取值比较集中，则方差D（X）较小，若X的取值比较分散，则方差D（X）较大。

因此，D（X）是刻画X取值分散程度的一个量，它是衡量取值分散程度的一个尺度。

--瑞利分布