Вычисляет или предсказывает будущее значение по существующим значениям. Предсказываемое значение — это y-значение, соответствующее заданному x-значению. Известные значения — это x- и y-значения, а новое значение предсказывается с использованием линейной регрессии. Эту функцию можно использовать для предсказания будущих продаж, потребностей в оборудовании или тенденций потребления.
Синтаксис
ПРЕДСКАЗ(x; известные_значения_y; известные_значения_x) x — это точка данных, для которой предсказывается значение. Известные_значения_y — это зависимый массив или интервал данных. Известные_значения_x — это независимый массив или интервал данных.
В состав функций, позволяющих осуществить построение и анализ по методу экспоненциального приближения, относятся:
ЛГРФПРИБЛ
РОСТ
В регрессионном анализе вычисляется экспоненциальная кривая, аппроксимирующая данные и возвращается массив значений, описывающий эту кривую. Поскольку данная функция возвращает массив значений, она должна вводиться как формула массива. Уравнение кривой имеет вид: y = b*mx или y = (b*(m1x1)*(m2x2)*...*(mnxn)) (в случае нескольких значений x), где зависимые значения y являются функцией независимых значений x. Значения m являются основанием, возводимым в степень x, а значения b постоянны. Заметим, что y, x и m могут быть векторами. Функция ЛГРФПРИБЛ возвращает массив {mn;mn-1;...;m1;b}.
Известные_значения_y — множество значений y, которые уже известны в соотношении y = b*mx.
Если массив известные_значения_y имеет один столбец, то каждый столбец массива известные_значения_x интерпретируется как отдельная переменная.
Если массив известные_значения_y имеет одну строку, то каждая строка массива известные_значения_x интерпретируется как отдельная переменная. Известные_значения_x — необязательное множество значений x, которые уже известны для соотношения y = b*mx.
Массив известные_значения_x может включать одно или более множеств переменных. Если используется только одна переменная, то известные_значения_y и известные_значения_x могут быть диапазонами любой формы, если только они имеют одинаковые размерности. Если используется более одной переменной, то аргумент известные_значения_y должен быть диапазоном ячеек высотой в одну строку или шириной в один столбец (так называемым вектором).
Если известные_значения_x опущены, то предполагается, что это массив {1;2;3;...} такого же размера, как и известные_значения_y. Константа — логическое значение, которое указывает, требуется ли, чтобы константа b была равна 1.
Если константа имеет значение ИСТИНА или опущено, то b вычисляется обычным образом.
Если константа имеет значение ЛОЖЬ, то b полагается равным 1 и значения m подбираются так, чтобы удовлетворить соотношению y = mx. Статистика — логическое значение, которое указывает, требуется ли вернуть дополнительную статистику по регрессии.
Если статистика имеет значение ИСТИНА, то функция ЛГРФПРИБЛ возвращает дополнительную статистику по регрессии, то есть возвращает массив {mn; mn-1; ...; m1; b: Sen; Sen-1; ...; Se1; Seb: R2; Sey: F; df: SSreg; SSresid}.
Если статистика имеет значение ЛОЖЬ или опущено, то функция ЛГРФПРИБЛ возвращает только коэффициенты m и константу b.
Важно!Методы, которые используются для проверки уравнений, полученных с помощью функции ЛГРФПРИБЛ, такие же, как и для функции ЛИНЕЙН.
Однако дополнительная статистика, которую возвращает функция ЛГРФПРИБЛ, основана на следующей линейной модели:
ln(y) = x1*ln(m1) + ... + xn*ln(mn) + ln(b)
Это следует помнить при оценке дополнительной статистики, особенно значений Sei и Seb, которые следует сравнивать с ln(mi) и ln(b), а не с mi и b.
