See õpetus näitab, kuidasNäidecel LOGEST Lõbustsioon eksponentsiaalkõvera arvutamiseks Excelis.
Funktsiooni LOGEST ülevaade
Funktsioon LOGEST arvutab eksponentsiaalse kõvera, mis sobib teie andmetega, ja tagastab kõverat kirjeldava väärtuste massiivi.
LOGEST Exceli töölehe funktsiooni kasutamiseks valige lahter ja tippige:
(Pange tähele, kuidas valemisisendid ilmuvad)
Funktsiooni LOGEST süntaks ja sisendid:
| 1 | = LOGEST (teadaolevad_y -d, tuntud_x -d, konst, statistika) |
tuntud_y ja tuntud_x - On x ja y andmed teie andmetabelis
const - ÕIGE/VÄÄR valik, kas y-lõikepunkt tuleks sundida 1-le või arvutada normaalselt
statistika - TÕENE/VÄÄR valik, kas täiendav regressioonistatistika tuleks tagastada
Mis on LOGEST?
Funktsioon LOGEST Excelis on funktsioon, mida kasutatakse eksponentsiaalse kõvera sobitamiseks eksponentsiaalsete andmetega. LOGEST on massiivivalem.
Pange tähele, et Microsoft 365 kasutamise ajal ühildub LOGEST dünaamiliste massiividega ega nõua klahvikombinatsiooni Ctrl + Shift + Enter (CSE). Lihtsalt sisestage oma valem vasakus ülanurgas, kuhu soovite oma väljundmassiivi, ja tulemus kandub üle teistele lahtritele. CSE -meetod on vajalik Exceli vanemate või eraldiseisvate versioonide jaoks.
Eksponentsiaalset kasvu võib täheldada sellistes andmetes nagu viirus, mis levib ülemaailmses pandeemias.
Oletame, et mul on andmete tabel x ja y väärtused kus x on sõltumatu muutuja ja y on sõltuv muutuja. Me võime kasutada LOGESTi, et sobitada andmetele kõver.
Teil võib tekkida küsimus, kas see on eksponentsiaalne kõver, mida kujutavad tulemuse parameetrid? Lahtris E3 on m väärtus ja lahter F3 sisaldab b kõvera väärtus.
Üksiku eksponentsiaalse kõvera võrrand x muutuja on:
Kus,
b = kõvera y-lõikepunkt ja
m = kõvera kalde parameeter, mida saab kirjutada ka kui
Kasutades seda alternatiivset vormi m, võrrandi saab kirjutada ka kui.
Kui aga rakendan tulemust valemina ja võrdlen teadaolevat y kõvera tulemusega, märkame, et see ei sobi ideaalselt (teadaolevad y ja LOGESTi tulemuste andmed ei kattu).
Siin on visuaalne esitus, kasutades Exceli sisseehitatud eksponentsiaalset trendijoont:
Pange tähele siniste ja oranžide andmemarkerite nihet. Vaadates R2 kõvera väärtust, saame numbriliselt mõõta sobivust. Selleks seadsime valemi valiku [stats] väärtuseks TRUE.
R2 kõvera väärtus on 0,992. See on suurepärane mudel, kuid mitte täiuslik ja seetõttu on sellel teadaolevatest väärtustest mõned väikesed erinevused. Ülejäänud statistikat lahtrites E23 kuni F27 kirjeldatakse käesolevas artiklis hiljem.
Samuti võite märgata, et graafikul näidatud võrrand ei vasta esimeses näites toodud LOGEST tulemusele.
Seda seetõttu, et peame võtma loomuliku logaritmi m ja tõsta e selle arvu võimsuseks.
| 1 | ln (2,62) = 0,9642. |
Arvu loomulik logaritm on e aluse logaritm, matemaatiline konstant, mis on ligikaudu võrdne 2,71828 -ga. Naturaalne logaritm kirjutatakse tavaliselt järgmiselt ln(x).
Pange tähele, et väärtuse saavutamiseks ei pea seda konversiooni tegema y etteantud eest x kasutades eelnevalt mainitud
Excel (ja LOGEST) teeb juba arvutamisel kulisside taga matemaatikat m väärtus.
Kuidas LOGESTi kasutada
Kasutades meie esimest näidet, kirjutatakse funktsioon järgmiselt:
| 1 | = LOGEST (C3: C8, B3: B8, TRUE, FALSE) |
Kui [statistika] suvandiks on TRUE, regressioonistatistika korraldus on järgmine:
Teil võib tekkida küsimus, mida iga muutuja tähendab.
| Statistika | Kirjeldus |
| mn | Kalde koefitsiendid x muutujat |
| b | y-pealtkuulamine |
| sen | Iga tõusu koefitsiendi standardviga |
| seb | Y-lõikepistiku standardviga |
| r2 | Määramistegur |
| sey | Standardviga y hinnang |
| F | F statistika (et teha kindlaks, kas muutujate suhe tekib juhuslikult) |
| df | Vabadusastmed |
| ssreg | Ruutude regressioonisumma |
| ssjääk | Ruutude jääksumma |
Peamine statistika, millest aru saada, on kalde koefitsiendid, y-lõikepunkt ja määramistegur või R2 mudeli väärtus.
R2 väärtus on mudeli korrelatsiooni tugevuse näitaja. Seda võib pidada sobivuse näitajaks. Madal R2 väärtus tähendaks halba korrelatsiooni teie sõltuvate ja sõltumatute muutujate vahel ning kõrge R puhul on vastupidi2 väärtused koos R -ga2 = 1 sobib ideaalselt.
Ennustamine
Et ennustada, milline on antud x väärtuse jaoks saadaolev väärtus, ühendage lihtsalt soovitud väärtus. Kasutame x = 7.5:
Funktsioon GROWTH täidab seda loomulikult. Palun vaadake KASVU artiklit siit [LINK KASVUARTIKLILE].
LOGEST mitmega x muutujad
Nagu LINEST, saab ka LOGEST sooritada eksponentsiaalse kõvera sobitamise, kasutades mitut sõltumatut (x) muutujad.
Võrrand y jaoks, kui see on mitu x muutujad on mudelisse kaasatud:
LOGEST näpunäited
- Veenduge, et teil oleks Microsoft 365 uusim versioon, et kasutada LOGESTi dünaamiliste massiividega. Dünaamilise massiivi funktsioonide kasutamiseks peate võib -olla lubama Office Insideri praeguse kanali (eelvaate). Konto lehel:
- Kui kasutate mitte-Microsoft 365 väljaannet, peate massiivivalemite hindamiseks kasutama pärandmeetodit CTRL + SHIFT + ENTER (CSE).
- Kui kasutate pärandmeetodit, on LOGEST massiivi funktsiooni sisestamisel esile tõstetud veergude arv alati x muutujaid teie andmetes pluss 1. Massiivi jaoks valitud ridade arv on 5.
- Kui jagate oma dünaamilise massiivi toega Exceli versiooni kellegagi, kes kasutab mitte-Microsoft 365 versiooni, kasutage ühilduvusprobleemide vältimiseks päranditarkvara meetodit.
Kas olete huvitatud täpsematest prognoosidest?
Vaadake meie teisi artikleid prognoosimise kohta eksponentsiaalse silumise, TRENDI, KASVU ja LINEST funktsioonidega.
LOGEST funktsioon Google'i arvutustabelites
Funktsioon LOGEST töötab Google'i arvutustabelites täpselt samamoodi nagu Excelis.
