Приклади функції ТЕНДЕНЦІЯ Excel для прогнозування даних

Функція ТЕНДЕНЦІЯ в Excel використовується при розрахунках наступних значень для події, що розглядається, і повертає дані відповідно до лінійного тренду. Функція виконує апроксимацію (спрощення) прямою лінією діапазону відомих значень незалежної та залежної змінних з використанням методу найменших квадратів і прогнозує майбутні значення залежної змінної Y для зазначених наступних значень незалежної змінної X. Розглянута функція не використовується для отримання статистичної характеристики моделі тренда та математики.

Лінійним трендом називається розподіл величин у послідовності, що вивчається, який може бути описано функцією типу y=ax+b. Оскільки функція ТЕНДЕНЦІЯ виконує апроксимацію прямою лінією, точність результатів її роботи залежить від ступеня розкиду значень у діапазоні.

Приклади використання функції ТЕНДЕНЦІЯ в Excel

Приклад 1. У таблиці Excel містяться середні значення даних про курс долара по відношенню до рубля останні 6 місяців. Необхідно спрогнозувати середній курс наступного місяця.

Вид вихідної таблиці даних:

Для прогнозу курсу валют на 7-й місяць використовуємо таку функцію (звичайний запис, Enter для обчислень):

B3:B8 – діапазон відомих значень курсу валюти;
A3:A8 – діапазон місяців, котрим відомі значення курсу;
A9 – значення, яке відповідає номеру місяця, для якого необхідно здійснити розрахунок.

В результаті отримаємо:

Прогноз відвідуваності за допомогою функції ТЕНДЕНЦІЯ в Excel

Приклад 2. У кінотеатрі фільми показують різні сеанси, які починаються о 12:00, 16:00 і 21:00 відповідно.Кожен фільм має власний рейтинг у вигляді оцінки від 1 до 10 балів. Відомі дані про відвідуваність кількох останніх сеансів. Припустити, якою буде відвідуваність для наступних фільмів:

Рейтинг 7, сеанс 12:00;
Рейтинг 9,5, сеанс 21:00;
Рейтинг 8, сеанс 16:00.

Таблиця вихідних даних:

Для розрахунку використовуємо функцію:

Перед введенням функції необхідно виділити комірки C11: C13;
Розрахунок виконуємо на основі діапазону значень A2:B10 (враховується як час сеансу, так і рейтинг фільму)

В результаті отримаємо:

Не забувайте, що ТЕНДЕНЦІЯ є масивною функцією, тому після її введення не забудьте виконати її в масиві. Для цього тиснемо не просто Enter, а комбінацію клавіш Ctrl+Shift+Enter. Якщо в рядку формул по краях функції з'явилися фігурні дужки <>, то функція виконується в масиві і все зроблено правильно.

Прогнозування виробництва на графіку Excel

Приклад 3. Підприємство поступово нарощує виробничі можливості, і щомісяця збільшує обсяги своєї продукції. Припустити, скільки одиниць продукції буде випущено наступні 3 місяці, проілюструвати на графіці.

Для визначення кількості одиниць продукції, які будуть випущені протягом наступних 3 місяців використовуємо функцію:

Побудуємо графік на основі наявних даних та відобразимо лінію тренда з рівнянням:

Введемо у комірці C8 формулу =193,5*A8+2060,5. В результаті отримаємо:

Аналогічно за допомогою підстановки значення незалежної змінної рівняння розрахуємо всі інші величини.

Цей приклад наочно демонструє принцип роботи функції ТЕНДЕНЦІЯ.

Функція ТЕНДЕНЦІЯ в Excel та особливості її використання

Функція ТЕНДЕНЦІЯ використовується поряд з іншими функціями прогнозу в Excel (ПЕРЕДСКАЗ, РОСТ) і має наступний синтаксис:

= ТЕНДЕНЦІЯ (відомі_значення_y; [відомі_значення_x]; [нові_значення_x]; [конст])

відомі_значення_y – обов'язковий аргумент, що характеризує діапазон досліджуваних відомих значень залежної змінної y із рівняння y=ax+b.
[відомі_значення_x] – необов'язковий для заповнення аргумент, що характеризує діапазон відомих значень незалежної змінної x рівняння y=ax+b.
[новие_значения_x] – необов'язковий аргумент, характеризує одне значення чи діапазон даних, котрим необхідно визначити відповідні значення залежної змінної y.
[Конст] – необов'язковий аргумент, що приймає на вхід логічні значення:

ІСТИНА (значення за умовчанням, якщо явно не вказано зворотне) – функція ТЕНДЕНЦІЯ виконує розрахунок коефіцієнта b із рівняння y=ax+b звичайним методом.
Брехня - функція ТЕНДЕНЦІЯ використовує спрощений варіант рівняння - y = ax (коефіцієнт b = 0).

Розглянута функція інтерпретує кожен стовпець або кожний рядок з діапазону відомих значень x в якості окремої змінної, якщо аргументом відоме_y є діапазон осередків тільки одного стовпця або тільки одного рядка відповідно.
Аргументи [відоме_ x] та [нове_x] повинні містити однакову кількість рядків або стовпців відповідно. обидва ці аргументи явно не вказані, функція, що розглядається, використовує масиви з розмірністю, відповідної розмірності відоме_y.
Ця функція може бути використана для апроксимації поліноміальних кривих.
ТЕНДЕНЦІЯ є формулою масиву. Для визначення кількох наступних значень необхідно виділити діапазон відповідної кількості осередків та для відображення результату використовувати комбінацію клавіш Ctrl+Shift+Enter.
Як аргумент [відоме_ x] можуть бути передані:

Тільки одна змінна, причому два перших аргументи функції ТЕНДЕНЦІЯ можуть бути діапазонами будь-якої форми, але обов'язковою умовою є однакова розмірність (кількість елементів).
Декілька змінних, при цьому як аргумент відомое_y повинен бути переданий вектор значень (діапазон тільки з одного рядка або тільки одного стовпця).

Створити таблицю
Форматування
Функції Excel
Формули та діапазони
Фільтр та сортування
Діаграми та графіки
Зведені таблиці
Друк документів
Бази даних та XML
Можливості Excel
Налаштування параметри
Уроки Excel
Макроси VBA
Завантажити приклади

Прогнозування за допомогою Excel (Ексель моделі приклади методи)

Практично у будь-якій сфері діяльності, від економіки до інженерії, існує потреба передбачити результат тієї чи іншої дії, отримати значення та приблизні дані. У цьому вся напрямі є маса різного софта. І більшість цього програмного забезпечення мають платні функції.

Табличний процесор Microsoft має у своєму програмному забезпеченні потужний інструмент для прогнозування, який дозволяє побудувати цілу низку різних моделей і легко на практиці застосовувати різні методи. При цьому в більшості випадків цей інструмент дає достовірніші результати, ніж у платних програм. Як і яким чином? Давайте розберемося.

Прогнозування – пошук темпів розвитку та одержуваного результату щодо вихідних даних у конкретний час.

Розглянемо кілька способів, які можуть дати прогнозований результат:

Лінія тренду – графічне відображення прогнозування з допомогою екстраполяції. Звучить мудро? Насправді все простіше.
Спробуємо спрогнозувати суму доходів компанії через 36 місяців на основі показників за минулі 12 років.

Побудуємо точкову діаграму на основі вихідних даних компанії, а саме її прибуток протягом 12 років. Запишемо вихідні дані щодо прибутку в таблицю, виділимо всі її поля та перейдемо в меню «Вставка» — «Діаграма» та виберемо точковий вигляд діаграми.

Для побудови лінії тренда оберемо будь-яку точку на діаграмі, відкриємо контекстне меню правою клавішею мишки та виберемо зі списку «Додати лінію тренда. ». У меню вибору апроксимації виберемо тип «Лінійна».

Зробимо невеликі налаштування формату лінії: «Прогноз» встановимо на три роки, вписуємо «3.0», та вкажемо, щоб показувалася величина достовірності та саме рівняння на діаграмі.

За побудованою лінією тренду можемо спрогнозувати дохід через три роки – він буде понад 4500 тис. руб. Достовірність прогнозування прийнято вважати вірним за «0.85» од. Ефективність прогнозування не буде успішною, якщо період перевищуватиме 30% від періоду бази.

Також у наборі функцій програми є низка стандартних функцій створення прогнозу. Одним з таких є оператор «ПЕРЕДСКАЗ», синтаксис якого такий: «=ПЕРЕДСКАЗ(X;відомі_значення_y;відомі значення_x)».

Аргумент «Х», з нашої таблиці, це шуканий рік прогнозування. «Значення у» - прибуток за минулий час. «Значення х» — роки, протягом яких було зібрано дані.

Дізнаємося, на основі вже отриманих даних прогноз на наступний рік за допомогою оператора «ПЕРЕДСКАЗ». Для цього вставимо в осередок прибутку на 2018 рік за допомогою майстра функцій оператор «ПЕРЕДСКАЗ».

У діалоговому вікні вкажемо всі вихідні дані, згідно з описом вище.

Отриманий результат збігається з результатом попереднього методу, тому вважатимуться прогнозування прибутку достовірним. Для візуального доказу можемо побудувати діаграму.

Ще одним статичним оператором, який можна використовувати для прогнозування, є оператор "ТЕНДЕНЦІЯ" з наступним синтаксисом: "=ТЕНДЕНЦІЯ(Відомі значення_y;відомі значення_x; нові_значення_x;[конст])". Аргументи оператора ідентичні аргументам оператора «ПЕРЕДСКАЗ».

Спробуємо провести прогнозування наступного року, використовуючи оператор «ТЕНДЕНЦІЯ». У новий осередок вставимо функцію з майстра функцій.

Заповнюємо аргументи вихідними даними і переконуємося, що черговий метод прогнозування чудово справляється зі своїм завданням – його результат схожий на результати минулих кроків і є достовірним.

Аналогічним методом для прогнозу даних є функція «ЗРОСТАННЯ», за винятком того, що він використовує при розрахунку прогнозу експоненційну залежність, на відміну від попередніх методів, які використовували лінійну. Його аргументи ідентичні до аргументів оператора «ТЕНДЕНЦІЯ».

Як і в попередніх кроках, вставляємо в новий осередок функцію «РОСТ», заповнюємо аргументи вихідними даними та порівнюємо результат прогнозування. Він також дає достовірні дані, схожі на попередні.

Інший оператор, який може спрогнозувати результат на певний період часу, оператор Лінейн, який заснований на лінійному наближенні.Його синтаксис схожий з минулими операторами: «=ЛІНЕЙН(Відомі значення_y;відомі значення_x; нові_значення_x;[конст];[статистика])».

Вставимо нову функцію в комірку з прогнозованим роком та заповнимо аргументи.

Як бачимо, оператор не має аргументу нових значень. Він вимірює саме значення виручки. А сам результат прогнозування слід підрахувати окремо.

Щоб отримати прогнозування на наступний рік, необхідно отримане значення лінійного тренду помножити на період часу, у нашому випадку "3" року, і додати прибуток за останній рік. Отримуваний прогноз також схожий з усіма попередніми.

Незважаючи на метод, всі результати прогнозування дуже схожі і дають достовірний результат, на який можна спиратися для подальших дій. Варто враховувати, що цей результат завжди може змінитися через нестабільну компанію або будь-які інші форс-мажорні ситуації.

Прогнозування за допомогою Excel (Ексель моделі приклади методи) » Комп'ютерна допомога

[expert_bq у будь-якій сфері діяльності, від економіки до інженерії, існує потреба передбачити результат тієї чи іншої дії, отримати значення та приблизні дані. Якщо ви хочете щось уточнити, звертайтесь до мене![/expert_bq] Оператор Лінейн при обчисленні використовує метод лінійного наближення. Його не варто плутати з методом лінійної залежності, використовуваним інструментом ТЕНДЕНЦІЯ . Його синтаксис має такий вигляд:

Як побудувати лінію тренду в MS Excel - вектор розвитку. Офісні системи для бізнесу

2. Проводимо аналіз процесу і виявляємо фактори - аргументи функції - x₁ , x₂ , . x_n - Найбільш сильно на наш погляд впливають на результат - значення функції y . Уважно призначаємо одиниці вимірів для змінних.

Прогнозування в один клік в Excel 2016

"Точні розрахунки робити складно, особливо коли справа стосується прогнозів на майбутнє", - говорив датський фізик Нільс Бор. Що ж, прогнозування в один клік Excel значно спрощує це завдання.

Ми часто використовуємо Excel для аналізу даних часових рядів (наприклад, про продаж, використання сервера або інвентаризації), намагаючись виявити сезонні закономірності і тенденції, що повторюються. В Excel 2016 нові функції прогнозу на аркуші та прогноз одним кліком допоможуть пояснити дані та зрозуміти майбутні тенденції.

Розглянемо докладніше деякі можливості: як визначати сезонність, оцінювати рівень довіри до прогнозу та створювати прогноз одним кліком.

Експонентне згладжування для прогнозів

Існує безліч способів створення прогнозу за хронологічними даними. До появи Excel 2016 багато хто користувався функцією листа FORECAST(), За допомогою якої створюється лінійний прогноз або екстраполяція на основі продовжених ліній тренду у властивостях діаграми.

Нова функція Excel 2016 використовує інший алгоритм: експоненційне згладжування (ETS). Це один із найпопулярніших способів прогнозування, який уже став галузевим стандартом.

Однією з головних переваг методу ETS є можливість виявляти сезонні закономірності та довірчі інтервали.

У прикладі нижче видно, як щорічна сезонність виявляється і застосовується до прогнозу. Оскільки дані вказані по місяцях і повторюються кожні 12 пікселів, виявлена сезонність дорівнює 12.

Крім прогнозування майбутніх значень для введеного часового ряду, прогноз ETS може визначати довірчий інтервал.

На основі ширини довірчого інтервалу можна визначити точність прогнозу.
Експериментуючи з розширеними функціями (облік відсутніх точок, сезонності та ін), можна відстежувати, як звужується та розширюється попередній довірчий інтервал. Це дозволяє визначити, наскільки отримана модель відповідає хронологічних даних.

Щоб створити аркуш прогнозу, спочатку підготуйте набір даних тимчасового ряду (з тимчасовим рядом та рядом значень). Потім на вкладці «Дані» натисніть кнопку Аркуш прогнозу. Запуститься діалогове вікно створення прогнозу з покроковими інструкціями.

Як дізнатися, чи точний прогноз? Чи можна йому довіряти?

Як і у випадках з багатьма статистичними інструментами, точність прогнозу залежатиме від даних. Оскільки дані рідко бувають ідеальними, дуже важливо вивчити прогноз і зрозуміти, наскільки він застосовний у вашому конкретному випадку. Є кілька способів оцінити точність прогнозу:

Подивіться ширину довірчого інтервалу (див. вище).

Поекспериментуйте з датою початку прогнозу, Встановивши дату, що передує останній хронологічній точці. Ви побачите, як би виглядав ваш прогноз, якби він обчислений тільки за попередніми даними. Порівнявши прогнозний ряд із фактичним, ви зможете оцінити точність прогнозу.

У прикладі внизу це позначено червоним кольором: очевидно, прогноз був дуже близький до фактичних даних.

У цьому випадку той же результат вийшов би за допомогою функцій аркуша, якщо ввести лише частину хронологічного ряду, а потім порівняти прогноз із фактичними даними.

Якщо ви знаєте статистику, встановіть прапорець Включити статистичні дані прогнозудля відображення зведених показників точності.

Встановіть прапорець "Увімкнути статистичні дані прогнозу", щоб відобразити таблицю статистичних значень у прогнозі.

[expert_bq виробництві, використовуючи непрямі прості параметри, можна навчитися прогнозувати трудомісткість і обсяг продукції, споживання матеріалів і енергоресурсів, і т.д. Якщо ви хочете щось уточнити, звертайтесь до мене![/expert_bq] 3. Чи не є випадковим отримане значення коефіцієнта детермінації r 2 ? Перевіримо це, використовуючи F -Статистику (розподіл Фішера), яка характеризує «невипадковість» високого значення коефіцієнта r 2 .

Приклад виконання завдання № 2 в Excel та Calc — Студопедія

На основі ширини довірчого інтервалу можна визначити точність прогнозу.
Експериментуючи з розширеними функціями (облік відсутніх точок, сезонності та ін), можна відстежувати, як звужується та розширюється попередній довірчий інтервал. Це дозволяє визначити, наскільки отримана модель відповідає хронологічних даних.

Як бачимо, аргументи цієї функції точно повторюють аргументи оператора ТЕНДЕНЦІЯ Так що вдруге на їх описі зупинятися не будемо, а відразу перейдемо до застосування цього інструменту на практиці.

Прогнозування в Excel

Апроксимація функції кількох незалежних змінних (множинна регресія) – дуже цікаве завдання, що має величезне практичне значення! Якщо навчитися її вирішувати, можна стати майже чарівником, вміє робити дуже достовірні прогнози.

. результатів різних процесів з урахуванням даних попередніх періодів часу. У цій статті ми розглянемо прогнозування в Excel за допомогою дуже потужного та зручного інструменту – вбудованих статистичних функцій ЛІНІЙН та ЛГРФПРИБЛ.

Не лякайтеся «розумних» термінів! Все насправді не так страшно, як здається спочатку! Не пошкодуйте час та прочитайте цю статтю уважно до кінця. Вміння застосовувати на практиці ці функції суттєво збільшить вашу «вагу» як фахівця в очах колег, керівників та у своїх власних очах!

Що можна навчитись прогнозувати? Дуже багато! В принципі, можна навчитися прогнозувати будь-які найрізноманітніші результати процесів у повсякденному житті та роботі. Завжди, коли виникає запитання: "А що буде, якщо ...?" Зовіть на допомогу Excel, розраховуйте прогноз та перевіряйте його достовірність!

Можна навчитися прогнозувати залежність прибутку від ціни та обсягів продажу будь-якого товару.

Можна навчитися прогнозувати залежність ціни автомобілів на вторинному ринку від марки, потужності, комплектації, року випуску, кількості попередніх власників, пробігу.

Можна навчитися встановлювати залежність обсягів продажу товарів від витрат за різні види реклами.

Можна навчитися виконувати прогнозування в Excel вартості наборів будь-яких послуг залежно від їхнього складу та якості.

У виробництві, використовуючи непрямі прості параметри, можна навчитися прогнозувати трудомісткість і обсяг продукції, споживання матеріалів і енергоресурсів, і т.д.

Підготовка до прогнозування у Excel.

1. Чітко формулюємо назву та одиницю виміру цікавого для нас результату процесу. Це і є потрібна функція. y , аналітичний вираз якої ми визначатимемо за допомогою MS Excel.

У прикладі, наведеному трохи нижче, y - Це термін виготовлення замовлення у робочих днях.

x₁ - Сумарна довжина всіх прокатних профілів в метрах, з яких виготовляється замовлення.

x₂ - загальна маса всіх прокатних профілів у кілограмах

x₃ — сумарна площа всіх аркушів у квадратних метрах

x₄ - загальна маса всіх листів у кілограмах

3. Збираємо статистику – фактичні дані – як таблиці.

У прикладі – це фактичні дані про металопрокат і фактичні терміни виконаних раніше замовлень.

Дуже важливо при виборі змінних x₁ , x₂ , . x_n врахувати їхню доступність. Тобто значення цих факторів мають бути у вас у вигляді достовірних статистичних даних. Дуже бажано, щоб отримання значень статистичних даних було простим, зрозумілим та нетрудомістким процесом.

Прогнозування в Excel термінів виготовлення замовлень.

Примітно, що знайдена залежність пов'язує в одній формулі параметри різними одиницями вимірювання. Це нормально. Знайдені коефіцієнти є безрозмірними. Наприклад, розмірність коефіцієнта b – робочі дні, а коефіцієнта m₁ – робочі дні/м.

1. Запускаємо MS Excel і заповнюємо комірки B4. F16 таблиці Excel є вихідними статистичними даними. У стовпці пишемо значення змінних x_i та фактичні значення функції y , маючи дані, що стосуються одного замовлення в одному рядку.

2. Оскільки функції ЛІНІЙН і ЛГРФПРИБЛ — функції, що виводять результати у вигляді масиву, їх введення має деякі особливості. Виділяємо область розміром 5×5 осередків - осередки I9. M13. Кількість виділених рядків завжди — 5, а кількість стовпців має дорівнювати кількості змінних x _i плюс 1. У разі це: 4+1=5.

3. Натискаємо на клавіатурі клавішу F2 та набираємо формулу

4. Після набору формули необхідно для її введення натиснути клавіші Ctrl+Shift+Enter. (Знак «+» натискати не потрібно, в записі він означає, що клавіші натискаються послідовно при утриманні всіх попередніх.)

5. Зчитуємо результати роботи функції Лінейн в осередках I9. M13.

Карту, яка пояснює значення яких параметрів у яких осередках виводяться, я розташував у осередках I4. M8 для зручності читання згори над масивом значень.

Загальний вигляд рівняння апроксимуючої функції y представлений в об'єднаних осередках I2. M2.

значення коефіцієнтів b , m₁ , m₂ , m₃ , m₄ зчитуємо відповідно

в осередку M9: b =4,38464164

в осередку L9: m₁ =0,002493053

в осередку K9: m₂ =0,000101103

в осередку J9: m₃ =-0,084844006

в осередку I9: m₄ =0,002428953

6. Для визначення розрахункових значень функції y - терміну виготовлення замовлення - вводимо формулу

7. Копіюємо цю формулу у всі осередки стовпця від G5 до G17 «протягуванням» і звіряємо розрахункові значення з фактичними. Збіг дуже гарний!

8. Попередні дії усі виконані. Рівняння апроксимуючої функції y знайдено. Пробуємо виконати прогнозування в Excel термін виготовлення нового замовлення. Вписуємо вихідні дані.

8.1. Довжина прокатних профілів за проектом x₁ у метрах пишемо

8.2. Масу прокатних профілів x₂ у кілограмах пишемо

8.3. Площа листового прокату, що використовується у новому замовленні за проектом, x₃ в метрах квадратних заносимо

8.4. Загальну масу листового прокату x₄ у кілограмах вписуємо

9. Розрахунковий термін виготовлення замовлення y у робочих днях зчитуємо

в осередку G17: =$L$9*B17+$K$9*C17+$J$9*D17+$I$9*E17+$M$9 =25,4

Прогнозування у Excel виконано. На основі статистичних даних ми розрахували ймовірний термін виконання нового замовлення - 25,4 робочих днів. Залишається виконати замовлення та звірити фактичний час із прогнозним.

Аналіз результатів.

Ми не будемо занурюватися глибоко в нетрі статистичних термінів і розрахунків, але деяких практичних аспектів все ж таки доведеться торкнутися.

Звернемося до інших даних у масиві, які вивела функція Лінейн.

У третьому рядку в осередку I11 виведено значення коефіцієнта множинної детермінації r 2 , а в осередку J11 - стандартна помилка для функції - se_y .

У четвертому рядку в осередку I12 знаходиться так зване F -Спостерігається значення, а в комірці J12 - df – кількість ступенів свободи.

Нарешті, у п'ятому рядку в осередках I13 та J13 відповідно розміщені ss_reg - регресійна сума квадратів і ss_resid - Залишкова сума квадратів.

На що слід у регресійній статистиці звернути особливу увагу? Що для нас найважливіше?

1. Наскільки достовірно прогнозує термін виготовлення отримане рівняння функції y ? При високій достовірності апроксимації значення коефіцієнта детермінації r 2 близько до максимуму - до 1! Якщо r 2

2. Визначимо важливість та корисність кожної з чотирьох змінних x₁ , x₂ , x₃ , x₄ в отриманій формулі за допомогою так званої, t -Статистики.

2.1. Розраховуємо t₄ , t₃ , t₂ , t₁ відповідно

в осередку I16: t₄ =I9/I10 =26,44474886

в осередку J16: t₃ =J9/J10 =-11,79198416

в осередку K16: t₂ =K9/K10 =3,76748771

в комірці L16: t₁ =L9/L10 =3,949105515

t_i = m_i / se_i

2.2. Обчислюємо двостороннє критичне значення t_крит з рівнем достовірності α =0,05 (передбачається 5% помилок) та кількістю ступенів свободи df =8

в комірці M16: t_крит =СТЬЮДРАСПОБР(0,05; J12) =2,306004133

Тому що для всіх t _i справедлива нерівність | t_i |> t_крит , то це означає, що всі вибрані змінні x _i корисні при розрахунку термінів виготовлення замовлень – y .

Найбільш значущою змінною при прогнозуванні в Excel термінів виготовлення замовлень y є x _{4 ,} так як | t₄ |>| t₃ |>| t₁ |>| t₂ |.

3. Чи не є випадковим отримане значення коефіцієнта детермінації r 2 ? Перевіримо це, використовуючи F -Статистику (розподіл Фішера), яка характеризує «невипадковість» високого значення коефіцієнта r 2 .

3.1. F -Спостерігається значення зчитуємо

3.2. F -розподіл має ступеня свободи v₁ і v₂ .

v₁ = k — df -1=13-8-1=4

v₂ = df =8

Розрахуємо ймовірність набуття значення F -розподілу більшого, ніж F -Спостережуване

в комірці I12: = FРАСП (I12; 4; J12) =6,97468*10 -13

Тому що ймовірність отримання більшого значення F -розподілу, чим спостерігається надзвичайно мала, то з цього слідує висновок — знайдене рівняння функції y можна використовуватиме прогнозування термінів виготовлення замовлень. Отримане значення коефіцієнта детермінації r 2 не є випадковим!

Висновок.

Застосування функції MS Excel ЛГРФПРИБЛ майже відрізняється від роботи з функцією ЛІНІЙН крім виду рівняння шуканої функції, яке приймає для розглянутого прикладу такий вид:

Статистика множинної регресії, яку розраховує функція ЛГРФПРИБЛ, базується на лінійній моделі:

Це означає, що значення, наприклад, se_i потрібно порівнювати не з m_i , а з ln ( m_i ). (Докладніше про це почитайте у довідці MS Excel.)

Якщо в результаті використання функції ЛГРФПРИБЛ коефіцієнт детермінації r 2 виявиться ближче до 1, ніж при використанні функції Лінейн, то застосування апроксимуючої функції виду

y = b *( m₁ x 1 )*( m₂ x 2 )…*( m_n x n ),

Якщо прогнозне значення функції y знаходиться поза інтервалом фактичних статистичних значень y , То ймовірність помилки прогнозу різко зростає!

Для отримання інформації про вихід нових статей і для скачування робочих файлів програм прошу вас підписатися на анонси у вікні, розташованому наприкінці статті або у вікні вгорі сторінки.

Відгуки, запитання та зауваження, шановні читачі, пишіть у коментарях унизу сторінки.

ПРОШУ шановних труд автора СКАЧАТИ файл ПІСЛЯ ПЕРЕДПЛАТИ на новини статей!

[expert_bq полінома підбирають таким чином, щоб вона була на одиницю більша за кількість екстремумів максимумів і мінімумів кривої. Якщо ви хочете щось уточнити, звертайтесь до мене![/expert_bq] Пряма лінія на графіку відображає стабільне зростання якості роботи менеджера. Величина достовірності апроксимації дорівнює 0,9929, що вказує на гарний збіг розрахункової прямої з вихідними даними. Прогнози мають вийти точними.

Прогнозування в Excel за допомогою тренд лінії. Лінія тренду в Excel на різних графіках

Що ж ми бачимо на графіку? Помаранчеві стовпчики "осені" як мінімум ні чим не більше "весняних", а то й менше. Це свідчить не про успіх, а скоріше навпаки – відвідувачі прибувають, але читають у середньому менше та на сайті не затримуються!

Як зробити прогноз за допомогою лінії тренду