यो भविष्यवाणी गर्ने विभिन्न तरिकाहरू बीचमा असंभव छ कि निकटता भेद नगर्ने। यसको सहयोगको साथ, तपाईं अनुमानित गणना गर्न सक्नुहुनेछ र थप साधारण व्यक्तिहरूसँग मूल वस्तुहरू प्रतिस्थापन गरेर योजनाबद्ध संकेतकहरूको गणना गर्नुहोस्। एक्सेलमा, पूर्वानुमान र विश्लेषणको लागि यो विधि प्रयोग गर्ने सम्भावना पनि छ। आउनुहोस् कि यो विधि निर्दिष्ट कार्यक्रममा कसरी निर्मित इन्जिनहरूमा लागू गर्न सकिन्छ।
निकटताको कार्यान्वयन
यस विधिको नाम लैटिन शब्द प्रोक्सीमाबाट आउछ - "नजिकका"। यो ज्ञात संकेतहरू सरल र स्फूर्ति गरेर, एक प्रवृत्तिमा निर्माण र यसको आधार हो। तर यो विधि न केवल भविष्यवाणीको लागी प्रयोग गर्न सकिन्छ, तर अवस्थित परिणामहरू अनुसन्धानका लागि पनि प्रयोग गर्न सकिन्छ। सबै पछि, अनुमानितता, वास्तवमा, मौलिक डेटाको एक सरलकरण, र एक सरल संस्करण पत्ता लगाउन सजिलो छ।
मुख्य उपकरण जो स्मोनेसिंग को साथ एक्सेल मा गरिन्छ एक प्रवृत्ति रेखा को निर्माण हो। तल्लो लाइन हो कि, पहिले नै उपलब्ध संकेतकहरूमा आधारित, भविष्यको अवधिको लागि प्रकार्यको तालिका पूरा भयो। प्रवृत्ति रेखाको मुख्य उद्देश्य, यो अनुमान गर्न गाह्रो छैन किनकि भविष्यवाणी गर्दैछ वा साधारण प्रवृतिलाई पहिचान गर्दैछ।
तर यसलाई पाँच प्रकारको अनुमानितताको प्रयोग गरी निर्माण गर्न सकिन्छ:
- Linear;
- अनुमानित;
- Logarithmic;
- Polynomial;
- पावर।
अलग-अलग विवरणहरूमा प्रत्येक विकल्पलाई विचार गर्नुहोस्।
पाठ: एक्सेलमा प्रवृति रेखा कसरी बनाउने?
विधि 1: रैखिक स्मोनेसिंग
सबै भन्दा पहिले, हामी रैखिक प्रकार्य प्रयोग गरेर सरल सान्दर्भिकतालाई विचार गरौं। हामी यसलाई थप विस्तारमा बास गर्नेछौं, किनकि हामीले सामान्य बिन्दुहरू सेट गर्यौं जुन अन्य तरिकाको विशेषता हो, अर्थात्, प्लटिङ हुँदैछ र पछिल्लो विकल्पहरू विचार गर्दा हामी बास गर्दैनौं।
सबैभन्दा पहिला, हामी आधार मा एक ग्राफ बनाउनेछौं जसको आधारमा हामीले स्नोअसिंग प्रक्रिया लिनेछौं। ग्राफ निर्माण गर्न, हामी तालिकामा लिन्छौं जसमा इकाईद्वारा उत्पादित उत्पादनको एकाइ र एक दिइएको अवधिमा सम्बन्धित लाभ मासिक संकेत गरिएको छ। हामीले निर्माण गरेको ग्राफिक प्रकार्य उत्पादनको लागतमा कमीमा मुनाफामा वृद्धिको निर्भरतालाई प्रतिबिम्बित गर्दछ।
- ग्राफको निर्माण गर्न, सबै भन्दा पहिला, स्तम्भहरू चयन गर्नुहोस् "उत्पादनको एकाइ लागत" र "लाभ"। ट्याबमा त्यो चाल पछि "घुसाउनुहोस्"। अर्को "रिब्राम" उपकरण बक्सको ब्लकमा रिबनमा अर्को बटनमा क्लिक गर्नुहोस् "स्पट"। सूचीमा खोलिएको छ, नाम चयन गर्नुहोस् "डट चिकनी कभर र मार्करसँग"। यो यस प्रकारको चार्ट हो जुन प्रवृति रेखासँग काम गर्न सबैभन्दा उपयुक्त छ, र त्यसैले, एक्सेलमा अनुमानिकरण विधि लागू गर्नको लागी।
- निर्माण तालिका।
- प्रवृत्ति रेखा थप्न, दाँया माउस बटन क्लिक गरेर यसलाई चयन गर्नुहोस्। एउटा सन्दर्भ मेनु देखिन्छ। यसमा वस्तु छान्नुहोस् "प्रवृति रेखा थप्नुहोस् ...".
यसमा थप गर्न अर्को विकल्प छ। रिबनमा ट्याबहरूको अतिरिक्त समूहमा "चार्टहरूसँग काम गर्दै" ट्याबमा सार्नुहोस् "लेआउट"। अर्को उपकरणबक्समा "विश्लेषण" बटनमा क्लिक गर्नुहोस् "ट्रेंड लाइन"। सूची खोल्छ। हामीले एक रैखिक अनुमानको लागी आवश्यक पर्दछ, हामीले पेश गरेका छनोटहरूबाट "रेखीय अनुमानित".
- यद्यपि, तपाईले सन्दर्भ मेनु मार्फत अतिरिक्त कार्यहरूको विकल्प चयन गर्नुभयो, त्यसपछि ढाँचा सञ्झ्याल खुल्नेछ।
प्यारामिटर ब्लकमा "एक प्रवृति लाइन (निकटता र स्फूर्ति) निर्माण गर्दै" स्थितिमा स्विच सेट गर्नुहोस् "रैखिक".
यदि वांछित भएमा, तपाईं स्थिति नजिकको टिक सेट गर्न सक्नुहुनेछ "चार्टमा समीकरण देखाउनुहोस्"। त्यस पछि, आरेखले स्मिल्ज फंक्शन समीकरण प्रदर्शन गर्नेछ।साथै हाम्रो सन्दर्भमा, विभिन्न अनुमानित विकल्पहरू तुलना गर्न, यो बक्स जाँच गर्न महत्त्वपूर्ण छ "चार्ट राख्नुहोस् एक विश्वसनीय अनुमानित मूल्य (R ^ 2)"। यो सूचक फरक फरक हुन सक्छ 0 सम्म 1। उच्च छ, राम्रो सन्निकेटि (अधिक विश्वसनीय)। यो मानिन्छ कि यो सूचकको मूल्य कहिले 0,85 र उच्च स्मोनेसिंग विश्वसनीय मान्य गर्न सकिन्छ, र यदि यो संख्या कम छ, त्यसपछि - होइन।
तपाइँका सबै माथि सेटिङहरू पछि। हामी बटन थिच्दछौं "बन्द"विण्डोको तलमा राखिएको।
- जस्तो कि तपाईंले देख्न सक्नुहुन्छ, प्रवृति रेखा चार्ट मा प्लट गरिएको छ। रैखिक अनुमानको अवस्थामा, यो ब्ल्याक सीधा लाइन द्वारा प्रमाणित गरिएको छ। यो प्रकारको स्वादको लागी सबैभन्दा साधारण अवस्थामा लागू गर्न सकिन्छ जब डेटा एकदम छिटो परिवर्तन हुन्छ र तर्कमा प्रकार्य मानको निर्भरता स्पष्ट छ।
स्मोथिंग, जुन यस अवस्थामा प्रयोग गरिन्छ, निम्न सूत्र द्वारा वर्णन गरिएको छ:
y = ax + b
हाम्रो विशेष अवस्थामा, सूत्रले निम्न फारम लिन्छ:
y = -0.1156x + 72.255
निकटताको सटीकताको परिमाण हाम्रो बराबर छ 0,9418, जो एक विश्वसनीय स्वीकार्य परिणाम हो, जो विश्वसनीय रूपमा स्मोनेसिंग को वर्णन गर्दछ।
विधि 2: अनुमानित निकटता
अब एक्सेलमा अनुमानित प्रकारको approximation लाई विचार गरौं।
- प्रवृति लाइन को प्रकार बदलन को लागी, दायाँ माउस बटन क्लिक गरेर यसलाई चयन गर्नुहोस् र ड्रप-डाउन मेनुमा वस्तु छान्नुहोस् "ट्रान्स लाइन ढाँचा ...".
- त्यस पछि, हामी पहिले नै परिचित छ कि ढाँचा विन्डो सुरूवात हो। निकटताको प्रकार चयन गर्न ब्लकमा, स्विच सेट गर्नुहोस् "घातक"। बाँकी सेटिङहरू पहिलो पटकको रूपमा समान रहन्छन्। बटनमा क्लिक गर्नुहोस् "बन्द".
- त्यस पछि, प्रवृति लाइन प्लट गरिनेछ। जब तपाईं देख्न सक्नुहुन्छ, यो विधि प्रयोग गर्दा, यो एक थोडा घुमाइएको आकार छ। विश्वास स्तर हो 0,9592, जो रैखिक अनुमानको प्रयोग गर्दा भन्दा अधिक छ। जब मानहरू छिट्टै परिवर्तन हुन्छ र त्यसपछि एक सन्तुलित रूप लिन्छन् जब घातक विधि प्रयोग गरिन्छ।
स्मोनेसिंग प्रकार्यको सामान्य दृश्य निम्नानुसार छ:
y = हुन ^ x
कहाँ ई - यो प्राकृतिक लारिथ्म को आधार हो।
हाम्रो विशेष अवस्थामा, सूत्रले निम्न फारम लिनुभयो:
y = 6282.7 * ई ^ (- 0.012 * x)
विधि 3: लग Smoothing
अब यो लारिथ्मिक अनुमानको विधिलाई विचार गर्न बारी हो।
- जस्तै नै अघिल्लो समयमा, सन्दर्भ मेनु मा, प्रवृति लाइन ढाँचा सञ्झ्याल सुरू गर्नुहोस्। स्थितिमा स्विच सेट गर्नुहोस् "Logarithmic" र बटनमा क्लिक गर्नुहोस् "बन्द".
- त्यहाँ एक लारिथ्म अनुमानित संग लाइन निर्माण प्रक्रिया हो। अघिल्लो अवस्थामाको रूपमा, यो विकल्प सुरू गर्न प्रयोग हुने बेलामा छिट्टै परिवर्तन हुँदा डेटा तुरुन्तै परिवर्तन हुन्छ, र त्यसपछि सन्तुलित रूप लिनुहोस्। तपाईं देख्न सक्नुहुन्छ, आत्मविश्वास स्तर 0.946 छ। यो रेखीय विधि प्रयोग गर्दा भन्दा उच्च छ, तर घातक स्मोथिंगको साथ प्रवृत्ति रेखाको गुणस्तर भन्दा कम।
सामान्यमा, स्नोमिंग सूत्र यस्तो देखिन्छ:
y = a * ln (x) + b
कहाँ ln प्राकृतिक लारिथ्मको परिमाण हो। यसैले विधिको नाम।
हाम्रो अवस्थामा, सूत्रले निम्न फारम लिन्छ:
y = -62,81ln (x) +404.96
विधि 4: पोलियोमोअल स्मोनेसिंग
यो पोलियोमोअल स्मोटिंग को तरीका मा विचार गर्ने समय हो।
- प्रवृति लाइन ढाँचा विन्डोमा जानुहोस्, जस्तै नै तपाईले पहिले नै एक पटक भन्दा बढी गर्नुभयो। ब्लकमा "एक प्रवृत्ति रेखा निर्माण गर्दै" स्थितिमा स्विच सेट गर्नुहोस् "पोलीनोमियल"। यस चीजको दायाँतिर एउटा फिल्ड हो "डिग्री"। चयन गर्दा "पोलीनोमियल" यो सक्रिय हुन्छ। यहाँ तपाईं कुनै पनि पावर मान निर्दिष्ट गर्न सक्नुहुन्छ 2 (पूर्वनिर्धारितद्वारा सेट गर्नुहोस्) सम्म 6। यस सूचकले मेक्सिमा र मिनिमाको संख्याको प्रकार्यको निर्धारण गर्दछ। दोस्रो डिग्री पोलिओनोमियल स्थापना गर्दा, केवल एक अधिकतम वर्णन गरिएको छ, र जब छैटौं डिग्री पोलिनेमियल स्थापित हुन्छ, माथि बढ्न सकिन्छ अधिकतम पाँचमा। सुरू गर्न, हामी डिफल्ट सेटिङ्हरू छोड्छौं, जुन हामीले दोश्रो डिग्री निर्दिष्ट गर्दछौँ। बाँकी सेटिङहरू जस्तै हामीले अघिल्लो विधिहरूमा सेट गर्यौं। हामी बटन थिच्दछौं "बन्द".
- यो विधि प्रयोग गरी ट्रान्स लाइन बनाइयो। तपाईँले देख्न सक्नु भएको छ, यो घातक सम्भावनाको प्रयोग गर्दा भन्दा बढी घुमाइएको छ। आत्मविश्वासको स्तर अघिल्लो प्रयोग गरिएको तरिकासँग तुलना गरिएको छ, र छ 0,9724.
डेटा निरन्तर परिवर्तन हुँदा यो विधि धेरै सफलतापूर्वक लागू गर्न सकिन्छ। यस प्रकारको स्फूर्तिको वर्णन गर्दा प्रकार्य यस्तो देखिन्छ:
y = a1 + a1 * x + a2 * x ^ 2 + ... + an * x ^ nहाम्रो अवस्थामा, सूत्रले निम्न फारम लिनुभयो:
y = 0.0015 * x ^ 2-1.7202 * x + 507.01 - अब पोलिओमेलेलीको डिग्री परिवर्तन गर्न को लागी भने कि परिणाम फरक हुनेछ। हामी ढाँचा विन्डोमा फर्काउँछौं। Approximation को प्रकार polynomial छोडिएको छ, तर यसको सामने डिग्री डिग्री सञ्झ्याल हामी अधिकतम संभव मान सेट - 6.
- तपाईं देख्न सक्नुहुन्छ, यस पछि हाम्रो प्रवृति रेखाले स्पष्ट वक्रको रूप लिनुभयो, जसमा उच्च संख्या छ छ। आत्मविश्वासको स्तर अझ बढी बढ्यो 0,9844.
यस प्रकारको स्मोनेसको वर्णन गर्ने सूत्रले निम्न फारम लिन्छ:
y = 8E-08x ^ 6-0,0003x ^ 5 + 0.3725x ^ 4-269.33x ^ 3 + 10 9 5225x ^ 2-2E + 07x + 2E + 09
विधि 5: पावर स्मोनेसिंग
अन्तमा, Excel मा पावर स्याङ्किङको विधिलाई विचार गर्नुहोस्।
- विन्डोमा सार्नुहोस् "रेखा स्वरूप प्रवृति गर्नुहोस्"। स्थितिमा स्मोनेसिंग स्विच स्विच सेट गर्नुहोस् "पावर"। समीकरण र आत्मविश्वास स्तर देखाउँदै, सधै जस्तै, यसलाई छोड्नुहोस्। हामी बटन थिच्दछौं "बन्द".
- कार्यक्रमले प्रवृत्ति रेखा बनाउँछ। तपाईं देख्न सक्नुहुन्छ, हाम्रो अवस्थामा, यो एक थोडा मोडा संग एक लाइन हो। विश्वास स्तर हो 0,9618जुन एकदम ठूलो संख्या हो। माथि उल्लेखित सबै तरिकाहरु मध्ये, पोलिओमियल विधि प्रयोग गर्दा मात्र विश्वासस्तर उच्च थियो।
यो विधि प्रभावी रूपमा प्रकार्य डेटामा गहन परिवर्तनहरूको अवस्थामा प्रयोग गरिन्छ। ध्यान दिनुहोस् कि यो विकल्प मात्र लागू हुन्छ यदि प्रकार्य र तर्कले नकारात्मक वा शून्य मान स्वीकार गर्दैन।
यो विधि वर्णन गरिएको सामान्य सूत्र निम्नानुसार छ:
y = bx ^ n
हाम्रो विशेष अवस्थामा, यो यस्तो देखिन्छ:
y = 6E + 18x ^ (- 6.512)
तपाईले देख्न सक्नुहुने, उदाहरणका लागि हामीले प्रयोग गरेको विशिष्ट डेटा प्रयोग गर्दा, छठे डिग्रीमा पोलिओमियलसँग बहुलक अनुमानित विधि (0,9844), रैखिक विधि मा आत्मविश्वास को सबै भन्दा कम स्तर (0,9418)। तर यो सबैलाई मतलब छैन कि त्यस्ता प्रवृत्ति अन्य उदाहरणहरूको प्रयोग गर्दा हुनेछ। होइन, उपरोक्त विधिहरूको कार्यक्षमता स्तरमा महत्त्वपूर्ण भिन्नता हुन सक्छ, विशिष्ट प्रकारका प्रकार्यको आधारमा जुन प्रवृति लाइन निर्माण गरिनेछ। यसैले, यदि यो प्रकार्यको लागि छनौट गरिएको विधि सबैभन्दा प्रभावकारी छ भने, यसको मतलब यो होइन कि यो अर्को स्थितिमा इष्टतम हुनेछ।
यदि तपाईं तुरुन्तै निर्धारण गर्न सक्नुहुन्न भने, माथिको सिफारिसहरूमा आधारित, तपाईंको मामलामा विशेष किसिमको कस्तो उपयुक्त फिट हुनेछ, त्यसपछि यसले सबै तरिकाहरू प्रयास गर्न अर्थ बनाउँछ। प्रवृत्ति रेखा निर्माण गरेपछि यसको आत्मविश्वास स्तर हेर्नको लागि, तपाईं उत्तम विकल्प रोज्न सक्नुहुन्छ।
