CONFIDENCE.NORM
置信区间是一个值范围。 样本均值 x 是此范围的中心，该范围为 x ± CONFIDENCE.NORM。 例如，如果 x 是通过邮件预订的产品的交货时间的样本均值，则 x ± CONFIDENCE.NORM 是总体均值的范围。 对于在此范围中的任意总体平均值 μ0，从 μ0 而非 x 中获取样本平均值的概率大于 alpha；对于不在此范围内的任意总体平均值 μ0，从 μ0 而非 x 中获取样本平均值的概率小于 alpha。 换言之，假设我们使用 x、standard_dev 和 size 在显著性水平 alpha 上构造一个双尾测试，其中假设总体平均值为 μ0。 那么，如果 μ0 处于置信区间，我们不会拒绝该假设；如果 μ0 未处于置信区间，我们将拒绝该假设。 我们无法通过置信区间推断出概率 1 - alpha，即我们的下一个包的发送时间处于置信区间内。
语法
CONFIDENCE.NORM(alpha,standard_dev,size) parameters
| 术语 | 定义 |
|---|---|
| alpha | 用于计算置信度的显著性水平。 置信度等于 100*(1 - alpha)%，换句话说，alpha 为 0.05 表示置信度为 95%。 |
| standard_dev | 数据范围总体标准偏差，假定为已知。 |
| standard_dev,size | 样本大小。 |
返回值
值的范围
备注
如果参数为非数字，则 CONFIDENCE.NORM 返回 #VALUE! 错误值。
如果 alpha ≤ 0 或 alpha ≥ 1，则 CONFIDENCE.NORM 返回 #NUM! 错误值。
如果 standard_dev ≤ 0，则 CONFIDENCE.NORM 返回 the #NUM! 错误值。
如果 size 不是整数，则对其进行舍入。
如果 size < 1，则 CONFIDENCE.NORM 返回 #NUM! 错误值。
如果假设 alpha 等于 0.05，则需要计算等于 (1 - alpha) 或 95% 的标准正态分布曲线之下的面积。 此值为 ± 1.96。 因此，置信区间为：
$$\overline{ x } \pm 1.96 \bigg( \frac{ \sigma }{ \sqrt{ n } } \bigg) $$
在已计算的列或行级安全性 (RLS) 规则中使用时，不支持在 DirectQuery 模式下使用此函数。