You are on page 1of 44

C¸c hµm to¸n häc & l-îng gi¸c

PhÐp tÝnh c¬ b¶n (1)
Hµm
ABS sign sum product Power sqrt

Chøc n¨ng
T×m gi¸ trÞ tuyÖt ®èi X¸c ®Þnh dÊu cña mét sè. TÝnh tæng c¸c sè TÝnh tÝch c¸c sè

Có ph¸p
ABS(num) Sign(num) SUM(x1,x2,...) Product(x1, x2, ....)

ThÝ dô
ABS(-2), ABS(7). Sign(-5)= -1, Sign(0)=0, Sign(8)= 1. SUM(2, -5, 7) = 4 Product(2, -3, 5, -4)= 120 Power(2,3) = 8 Sqrt(16) = 4

TÝnh luü thõa mét Power(num,p sè ower) LÊy c¨n bËc hai cña mét sè Sqrt(num)

PhÐp tÝnh c¬ b¶n (2)
Hµm
Mod Ln Log log10 fact permut Combin

Chøc n¨ng
Cho phÇn d- cña phÐp chia Cho logarit tù nhiªn Cho logarit víi c¬ sè ®· cho. Cho logarit thËp ph©n TÝnh giai thõa mét sè Sè ho¸n vÞ Sè tæ hîp

Có ph¸p

ThÝ dô

MOD(num,diviso MOD(32,5)= 2; r) MOD(-32,5)=3. LN(num) LOG(num, base) LOG10(num) Fact(num) Permut (num, num_chosen) Combin(num, num_chosen) LN(68), LN(EXP(3)) LOG(24,5) LOG10(30) Fact(5) = 120 Permut (4, 4)=24 Combin(6, 4) = 15

PhÐp tÝnh c¬ b¶n (3)
Hµm
sumproduct

Chøc n¨ng

Có ph¸p

ThÝ dô

Nh©n t-¬ng øng sumproduct Sumproduct({3;4;5; c¸c thµnh phÇn (m¶ng1, 6},{7;4;5;3}) råi céng c¸c tÝch m¶ng 2) =3*7+4*4+5*5+6*3 = l¹i. 80 TÝnh tæng b×nh Sumsq (x1, ph-¬ng c¸c sè x2, x3,...) TÝnh tæng cña hiÖu t-¬ng øng c¸c b×nh ph-¬ng TÝnh tæng cña tæng t-¬ng øng c¸c b×nh ph-¬ng Sumx2my2 (array_x, array_y) Sumx2Py2 (array_x, array_y) Sumsq (3,4) = 25 Sumx2my2 ({2;3;4}, {7;6;5})=(4-49)+(936)+(16-25)= -81 Sumx2Py2 ({2;3;4}, {7;6;5})= 139 SumxMy2 ({2;3;4}, {7;6;5})= 35

sumsq sumx2my2 sumx2Py2 sumxmy2

TÝnh tæng b×nh SumxMy2 ph-¬ng cña hiÖu (array_x, t-¬ng øng c¸c array_y) gÝa trÞ hai d·y

36) num2.36) num2... GCD(12.PhÐp tÝnh c¬ b¶n (4) Hµm GCD Lcm Chøc n¨ng Có ph¸p Cho ¦SCLN Cho BSCNN ThÝ dô GCD(num1.) LCM(num1..12.) . LCM(8..24.

1)= -3 Floor Lµm trßn xuèng ®Õn béi sè cña sè ®-îc chän gÇn nhÊt.-1) = -2.1.1. Even( -1. FLOOR(-2. Odd ( -2.9)= -2 Odd ( -1.1. significance) ThÝ dô CEILING(-2. CEILING(-2. FLOOR(-2.1. Even(2.k) k-lµ sè ®-îc chän.1.9)= -3. Lµm trßn lªn sè nguyªn ch½n gÇn nhÊt Lµm trßn lªn sè nguyªn lÎ gÇn nhÊt even EVEN(num) Odd odd(num) .1.-1)=-3.-2)=-4.-4)=-4.Quy trßn (1) Hµm Ceiling Chøc n¨ng Lµm trßn lªn ®Õn béi sè cña sè ®-îc chän gÇn nhÊt.1)= -4.-6) = 0. Even( -2.1. CEILING(-2. FLOOR(-2. Có ph¸p CEILING(x. FLOOR(num.-4) = 0. FLOOR(-2.-2) = -2. CEILING(-2.1.-6)=-6.1)=4.

141 Rounddown Roundup Quy trßn lªn theo sè Roundup (num. ®Ó l¹i. Quy trßn xuèng theo sè ch÷ sè thËp ph©n ®-îc ®Ó l¹i.142. Round(3. Có ph¸p Round(num.14159.14159.3)= -3.4).14159.Quy trßn (2) Hµm Round Chøc n¨ng Lµm trßn mét sè theo sè ch÷ sè thËp ph©n ®-îc ®Ó l¹i.2). Rounddown ( 3. Roundup (ch÷ sè thËp ph©n ®-îc num_digits) 3. num_digits) ThÝ dô Round(3. num_digits) Rounddown (num.14159.1416. Round(-3. .1).3)= -3.

int(-4.9) = 4.Quy trßn (3) Hµm trunc Chøc n¨ng C¾t bá phÇn thËp ph©n ®Ó t¹o thµnh mét sè nguyªn. Lµm trßn mét sè xuèng sè nguyªn gÇn nhÊt.9) = 4. Trunc(-4. Có ph¸p Trunc(num. num_digits) INT(num) ThÝ dô Trunc(4.9)=-5. int(4. INT .9)=-4.

5.7}) = -0.5.2.1.7}) .4 .3.6.9.4.8.Ma trËn Hµm Minverse Transpose MMULT Mdeterm Chøc n¨ng T×m ma trËn nghÞch ®¶o Cho ma trËn chuyÓn vÞ T×m tÝch hai ma trËn TÝnh ®Þnh thøc ma trËn Có ph¸p Minverse (m¶ng) TRANSPOSE (m¶ng) MMULT(array1.3.9.1.8.8.6.4 .3.{1.1.952381 TRANSPOSE({2.6.4.5.9.6.8.3.7}.1. array2) Mdeterm (m¶ng) ThÝ dô MINVERSE({2.3}) MDETERM({2.5. 9.7}) MMULT({2.

phÐp tÝnh víi sè phøc Hµm ABS complex Chøc n¨ng T×m gi¸ trÞ tuyÖt ®èi ChuyÓn phÇn thùc vµ phÇn ¶o thµnh sè phøc Có ph¸p ABS(num) ThÝ dô ABS(-2).i_num.5) num.suf fix) . Complex (real_ Complex (4. ABS(7).

Cos n»m trong kho¶ng 1 •x • -1 SIN(-0.5).86).T/2 ” x ” T/2 Tang n»m trong kho¶ng -g ®Õn + g Ghi chó: NÕu gãc x ®-îc cho theo ®¬n vÞ ®é. COS(0. Tan Cho tang mét gãc TAN(x) TAN(-0. .86). TAN(0.5). SIN(0.T/2 ” x ” T/2 Tang n»m trong kho¶ng -g ®Õn + g Tan Cho cotg mét gãc TAN(1/x) TAN(-(1/0. . Sin Cho sin mét gãc SIN(x) . TAN(1/0.86).5).T/2 ” x ” T/2 Sin n»m trong kho¶ng - ®Õn  .86). .5)). ta ph¶I ®æi ra radian b»ng sö dông có ph¸p COS(Radians(x)).Hµm l-îng gi¸c c¬ b¶n Hµm Cos Chøc n¨ng Cho cos mét gãc Có ph¸p COS(x) 0”x ”T ThÝ dô COS(0.

86). Có ph¸p ACOS(x) -1 ” x ” 1 ASIN(x) -1 ” x ” 1 ATAN(x) ThÝ dô ACOS(-0.86). y) x>0 Ghi chó: §Ó cã gãc tr¶ vÒ tÝnh theo ®¬n vÞ ®é.86). asin atan atan2 ATAN2(x. ta ph¶I sö dông có ph¸p Degrees(ACOS(x)). Gãc tr¶ vÒ n»m trong kho¶ng -T ®Õn T . Gãc tr¶ vÒ n»m trong kho¶ng -T/2 ®Õn T/2 .5). ASIN(-0. ACOS(0.5).5). Gãc tr¶ vÒ n»m trong kho¶ng 0 ®Õn T .y. Gãc tr¶ vÒ n»m trong kho¶ng -T/2 ®Õn T/2 . ASIN(0. ATAN(-0. ATAN(0. .Hµm ng-îc Hµm acos Chøc n¨ng T×m cung mét sè ®-îc cho bëi cos T×m cung mét sè ®-îc cho bëi sin T×m cung mét sè ®-îc cho bëi tg T×m gãc gi÷a trôc x víi ®-êng th¼ng tõ gèc to¹ ®é ®Õn ®iiÓm cã to¹ ®é x.

ex  e x COSH( x ) ! 2 e x  e x SINH( x ) ! 2 Ghi chó: C«ng thøc cña cos hypecbolic lµ: C«ng thøc cña sin hypecbolic lµ: .86). TANH(-0.5). Cho sin hypecbolic mét gãc. Có ph¸p COSH(x) 1”x SINH(x) x bÊt kú TANH(num) -1 ” x ” 1 ThÝ dô COSH(1)=0. SINH(-0. COSH(5). TANH(0.5).Hµm hypecbolic Hµm cosH sinH tanH Chøc n¨ng Cho cos hypecbolic mét gãc. SINH(8). Cho tang hypecbolic mét gãc.

5). ATANH(0. ACOSH(5). ASINH(-0. ASINH(8).5).Hµm ng-îc hypecbolic Hµm AcosH AsinH AtanH Ghi chó: Chøc n¨ng T×m cung mét sè T×m cung mét sè T×m cung mét sè Có ph¸p ACOSH(x) 1”x ASINH(x) x bÊt kú -1 ” x ” 1 ThÝ dô ACOSH(1)=0. . ATANH(num) ATANH(-0.86).

ChuyÓn ®æi ®¬n vÞ ®o gãc Hµm degrees radians Chøc n¨ng Có ph¸p ThÝ dô §æi sè ®o tõ Degrees (gãc ®o Degrees (0.1221734) radian sang ®é b»ng radian) §æi sè ®o tõ Radians (gãc ®o Radians(7) ®é sang radian b»ng ®é) Ghi chó: .

Hµm thèng kª .

. 5.. . . 6.. 7. 7. 9. 4. 8) = 5.. 9..x2. 4. 6. #. 2. .. 6. 2. 5. 5.3. 5. 9. 6.5. ..8) = 5. 4. Cho Trung vÞ (sè ë gi÷a nh÷ng gi¸ trÞ nhá h¬n vµ nh÷ng gi¸ trÞ lín h¬n nã) Cho M«t (sè cã sè lÇn xuÊt hiÖn trong d·y sè nhiÒu nhÊt) median(x1. 7.x2. 2.C¸c ®Æc tÝnh c¬ b¶n (1) Hµm Average Averagea Chøc n¨ng Có ph¸p ThÝ dô Average (3. 4. 8) = 5 Mode mode(x1.5 Average (3. xn) nh÷ng sè bÞ lçi (false). .3. xn) Cho Trung b×nh sè Averagea häc d·y sè cã chøa (x1.5. 2. 9. .5 Cho Trung b×nh sè Average häc (x1.x2. 8) = 5 . xn) Median MEDIAN(3.x2. xn) MODE(3. .. . 7.

x2.3. Max(2.7.7.5.5.false.3. ..1) = 7 cña d·y sè cã false.1. .3.5. 1.xn) Min(2.5.7.false. . 1.5...false.3.3.3..x2..C¸c ®Æc tÝnh c¬ b¶n (2) Hµm max Chøc n¨ng Có ph¸p ThÝ dô Cho Max (sè cã Max (x1. false.MAXA Min (x1.1) = 1 maxa Min Mina .. xn) Maxa (x1. .x2.5.5.3.3.5...x2. .5.5.1..5..5.1) = 1 Maxa(2.xn) mét vµi trÞ lµ lçi (false) Cho sè cã gi¸ trÞ nhá nhÊt) cña d·y sè Nh. .7.false .1) = gi¸ trÞ cao nhÊt) xn) 7 cña d·y sè Cho Max (sè cã Maxa Maxa(2. gi¸ trÞ cao nhÊt) (x1.

1.5 false..1) = 7 (Wn-1) Stdeva Stdevp Cho ®é lÖch tiªu chuÈn Stdev (x1. .5. .5. .7.1. StdevPa(2.5. n Stdeva(x1.5.5.7. . Cho ®é lÖch tiªu chuÈn cña d·y sè v« cïng lín.3.3.false.1) = 7 StdevP (x1.false Stdeva(2.. (tíi 30) Cho ®é lÖch tiªu chuÈn cña d·y sè v« cïng lín(tíi 30) cã chøa nh÷ng sè bÞ lçi (false).1.x2. . StdevP(2...5.3.. cña d·y sè ng¾n.false.C¸c ®Æc tÝnh c¬ b¶n (3) Hµm Stdev Chøc n¨ng Có ph¸p ThÝ dô Stdev(2.3.3.5.. false.7..x2. 5.3.5.xn) 7.x2. xn) 1.3.1) = 1 StdevPa(x1.3. .. false..5.xn . xn) Cho ®é lÖch tiªu chuÈn cña d·y sè cã chøa sè bÞ lçi (false).5.x2. ..1) = 1 (Wn) stdevpa § (x  x) Wn 1 ! i !1 2 § ( x  x )2 Wn ! i !1 n n 1 n .

C¸c ®Æc tÝnh c¬ b¶n (4) Hµm Percentile Percentrank Quartile Rank Chøc n¨ng Có ph¸p ThÝ dô .

C¸c ®Æc tÝnh c¬ b¶n (3) Hµm Var Vara Varp Varpa Geomean Harmean Skew slope Chøc n¨ng Có ph¸p ThÝ dô .

Hµm ph©n phèi x¸c suÊt .

p ) ! § b( y .p).x¸c suÊt cña biÕn cè thuËn trong phÐp thö. n .sè phÐp thö thuËn (thµnh c«ng). p ) ! Cn p x q n  x Trong ®ã: x .Hµm ph©n phèi nhÞ thøc binomdist C«ng thøc Hµm ph©n phèi x¸c suÊt nhÞ thøc cã d¹ng: x b ( x . (trials).n.x) Tæng x¸c suÊt cñaph©n phèi nhÞ thøc: x b(x.sè phÐp thö ®éc lËp víi nhau. n .gi¸ trÞ logic víi: TRUE khi muèn t×m tæng XS B(x. n . p ) 0 . n . B ( x .(number_s). p . (probability_s) Cumulative .n.p) FALSE khi chØ t×m XS cña x Cnx = COMBIN(n.

0.p) FALSE khi chØ t×m XS cña x b(x.15.n.x¸c suÊt cña biÕn cè thuËn trong phÐp thö.72162144. probability_s. =BINOMDIST(5. probability_s . . trials.gi¸ trÞ logic víi: TRUE khi muèn t×m tæng XS B(x. (p) Cumulative .3.206130381.p).TRUE) = 0.falsE) = 0.sè phÐp thö ®éc lËp víi nhau.0.3. (n). trials .15. ThÝ dô: =BINOMDIST(5.sè phÐp thö thuËn (thµnh c«ng). Cumulative) Trong ®ã: number_s .Hµm ph©n phèi nhÞ thøc (2) binomdist Có ph¸p: BINOMDIST(number_s.n.(x).

n.0.3) ans = 0. binocdf(x.n.p).Hµm ph©n phèi nhÞ thøc (3) binomdist MATLAB: binopdf(x. >> p=0.p). >> x=15.15.0. >> n=15.3) ans = 0. >> binopdf(5.2061 >> binocdf(5.15.3.7216 .

tr-íc khi cã ®-îc k biÕn cè thö thuËn.p) FALSE khi chØ t×m XS cña x (mËt ®é XS) b(x.Hµm ph©n phèi nhÞ thøc ©m negbinomdist C«ng thøc Hµm ph©n phèi x¸c suÊt nhÞ thøc cã d¹ng: x k nb( x. n. p .x¸c suÊt cña biÕn cè thuËn trong phÐp thö.p).(number_f). p ) ! Ck1 1pk qn  k  Trong ®ã: x . n . Cnx = COMBIN(n.n.gi¸ trÞ logic víi: TRUE khi muèn t×m tæng XS B(x. (trials).x) .sè phÐp thö ®éc lËp víi nhau.sè biÕn cè thö kh«ng thuËn (kh«ng thµnh c«ng).n. (probability_s) Cumulative .

§Ó tÝnh x¸c suÊt kiÓm tracña lÇn lùa chän nµy.046543771 . probability_s) trong ®ã: number_f . ta ph¶I kiÓm tra tíi 22 sÜ quan kh«ng ®¹t tiªu chuÈn míi cã ®ñ 10 sÜ quan ®¶m b¶o tiªu chuÈn nh. trong lÇn chän nµy.sè phÐp thö kh«ng thuËn (kh«ng thµnh c«ng). probability_s .mong muèn. (p) ThÝ dô: Ta cÇn tuyÓn chän trong C«ng ty A 10 sÜ quan ®¶m b¶o tiªu chuÈn.0. number_s. 10. (k).(x). Kinh nghiÖm cho thÊy.sè phÐp thö thuËn (thµnh c«ng).3. ta vµo Excel: =Negbinomdist(22.3) = 0.Hµm ph©n phèi nhÞ thøc ©m(2) negbinomdist Có ph¸p: negBINOMDIST(number_f. number_s . x¸c suÊt trung b×nh lµ 0.x¸c suÊt cña biÕn cè thuËn trong phÐp thö. Tuy nhiªn.

>> n=10.p).5049 .0465 >> nbincdf(x.p) ans = 0.n.n. >> p=0.3. >> x=22.Hµm ph©n phèi nhÞ thøc ©m(3) negbinomdist MATLAB nbinpdf(x.n.n.p) ans = 0. nbincdf(x.p). >> nbinpdf(x.

p .gi¸ trÞ logic víi: TRUE khi muèn t×m XS cña x: B(x. lambda).sè biÕn cè. lambda) FALSE khi chØ t×m mËt ®é XS cña x: b(x.kú väng to¸n. (probability_s) Cumulative .x¸c suÊt cña biÕn cè thuËn trong phÐp thö. .Hµm ph©n phèi po¸t.x«ng poisson C«ng thøc hµm ph©n phèi x¸c suÊt nhÞ thøc cã d¹ng: e  P Px poisson ! x! e  P Px CUMPOISSON ! § k ! 0 k! x Trong ®ã: x . P Q . (mean).

FALSE). POISSON(x.2. lambda.Hµm ph©n phèi poisson(2) poisson. lambda.40600 .2. = POISSON(1.27067 =POISSON(1.FALSE) = 0. TRUE). cumpoisson Có ph¸p: POISSON(x.TRUE) = 0.

lambda). >> poisspdf(x.4060 . poisscdf(x. lambda).lambda) ans = 0. cumpoisson Matlab: poisspdf(x.lambda) ans = 0. >> lambda=2.2707 >> poisscdf(x. >> x=1.Hµm ph©n phèi poisson(3) poisson.

Hµm ph©n phèi luü thõa exPONDIST C«ng thøc Hµm mËt ®é x¸c suÊt nhÞ thøc cã d¹ng: ® x 1 ±e f(x) ! ¯ ± 0 ° Trong ®ã: x . TRUE khi muèn t×m XS cña x: B(x.sè biÕn cè. lambda) .kú väng to¸n. lambda).gi¸ trÞ logic víi: FALSE khi t×m mËt ®é XS cña x: b(x. khi x u 0 khi x 0 Q (P). Cumulative . (mean).

2. lambda. EXPONDIST(x.27067 = EXPONDIST (1.27067 =EXPONDIST (1.86466 . 0.FALSE) = 0. FALSE). cumpoisson Có ph¸p: EXPONDIST(x. lambda. TRUE).2.TRUE) = 0.Hµm ph©n phèi EXPONDIST (2) EXPONDIST.

lambda) ans = . cumpoisson Matlab: poisspdf(x. lambda).2707 >> poisscdf(x.lambda) ans = 0. lambda). >> poisspdf(x. >> x=1.Hµm ph©n phèi poisson(3) poisson. >> lambda=2. poisscdf(x.

Cumulative .sè biÕn cè. z- . lambda).gi¸ trÞ logic víi: TRUE khi muèn t×m XS cña x: B(x. lambda) FALSE khi chØ t×m mËt ®é XS cña x: b(x.Hµm ph©n phèi chuÈn quy t©m NORMDIST C«ng thøc mËt ®é x¸c suÊt cña hµm ph©n phèi chuÈn quy t©m cã d¹ng: N( u) ! Cßn hµm x¸c suÊt 1 2T u u2  e 2 F( u) ! 1 2T ´ z2  e 2 dz g Trong ®ã: u .

0. mu.2.2. = NORMDIST(3.sigma.0.998650102 .Hµm ph©n phèi chuÈn quy t©m(2) NORMDIST Có ph¸p: NORMDIST (x.064758 8 = NORMDIST(3. FALSE). TRUE).sigma.false) = 0. NORMDIST(x. mu.004431848 0.TRUE) = 0.

9987 . normcdf(x. >> normpdf(x. sigma) ans = 0. normpdf(x. sigma) ans = 0. mu. >> mu=0. >> x=3. mu.0044 >> normcdf(x. mu. >> sigma=1. mu. sigma).Hµm ph©n phèi chuÈn quy t©m(3) normdist Matlab: normpdf(x. sigma).

sè biÕn cè. lambda) FALSE khi chØ t×m mËt ®é XS cña x: b(x. z- . lambda).gi¸ trÞ logic víi: TRUE khi muèn t×m XS cña x: B(x. Cumulative .Hµm ph©n phèi student TDIST C«ng thøc mËt ®é x¸c suÊt cña hµm ph©n phèi chuÈn quy t©m cã d¹ng: N( u) ! Cßn hµm x¸c suÊt 1 2T u u2  e 2 F( u) ! 1 2T ´ z2  e 2 dz g Trong ®ã: u .

0. TDIST(x.2. = TDIST(3.TRUE) = 0.2.998650102 .004431848 0. v.false) = 0. tails). tails).Hµm ph©n phèi student(2) TDIST Có ph¸p: TDIST (x. v.0.064758 8 = TDIST(3.

v).10) ans = 0. V.Hµm ph©n phèi student(3) Tdist Matlab: tpdf(x.bËc tù do >> tcdf(3.10) ans = 0.9933 >> tpdf(3. tcdf(x.0114 . v).

C¸c hµm ph©n phèi (1) Hµm Betadist Betainv Binodist Chidist Expondist Fdist Finv Chøc n¨ng Có ph¸p ThÝ dô .

C¸c hµm ph©n phèi (2) Hµm Fisher Fisherinv Gammadist Gammainv hypgeodist Negbinomdist Normdist norminv Chøc n¨ng Có ph¸p ThÝ dô .

C¸c hµm ph©n phèi (3) Hµm tdist Tinv Chøc n¨ng Có ph¸p ThÝ dô .

A .