Выбор наиболее подходящей линии тренда для данных

Важно :  Данная статья переведена с помощью машинного перевода, см. Отказ от ответственности. Используйте английский вариант этой статьи, который находится здесь, в качестве справочного материала.

Существует шесть различных видов линия тренда (аппроксимация и сглаживание), которые могут быть добавлены в диаграмму Microsoft Graph. Использование линии тренда того или иного вида определяется типом данных.

Точность аппроксимации.   Линия тренда в наибольшей степени приближается к представленной на диаграмме зависимости, если величина достоверности аппроксимации равно или близко к 1. При аппроксимации данных с помощью линии тренда значение R-квадрат рассчитывается автоматически. Полученный результат можно вывести на диаграмме.

Линейная

Линейная аппроксимация — это прямая линия, наилучшим образом описывающая набор данных. Она применяется в самых простых случаях, когда точки данных расположены близко к прямой. Говоря другими словами, линейная аппроксимация хороша для величины, которая увеличивается или убывает с постоянной скоростью.

В следующем примере прямая линия описывает стабильный рост продаж холодильников на протяжении 13 лет. Обратите внимание, что значение R-квадрат = 0,9036, то есть близко к единице, что свидетельствует о хорошем совпадении расчетной линии с данными.

Диаграмма с линейной аппроксимацией

Логарифмическая

Логарифмическая аппроксимация хорошо описывает величину, которая вначале быстро растет или убывает, а затем постепенно стабилизируется. Описывает как положительные, так и отрицательные величины.

В следующем примере логарифмическая кривая описывает прогнозируемый рост популяции животных, обитающих в ареале с фиксированными границами. Скорость роста популяции падает из-за ограниченности их жизненного пространства. Кривая довольно хорошо описывает данные, поскольку значение R-квадрат, равное 0,9407, близко к единице.

Диаграмма с логарифмической аппроксимацией

Полиномиальная

Полиномиальная аппроксимация используется для описания величин, попеременно возрастающих и убывающих. Она полезна, например, для анализа большого набора данных о нестабильной величине. Степень полинома определяется количеством экстремумов (максимумов и минимумов) кривой. Полином второй степени может описать только один максимум или минимум. Полином третьей степени имеет один или два экстремума. Полином четвертой степени может иметь не более трех экстремумов.

В следующем примере полином второй степени (один максимум) описывает зависимость расхода бензина от скорости автомобиля. Близкое к единице значение R-квадрат = 0,9474 свидетельствует о хорошем совпадении кривой с данными.

Диаграмма с полиномиальной аппроксимацией

Степенная

Степенное приближение дает хорошие результаты, если зависимость, которая содержится в данных, характеризуется постоянной скоростью роста. Примером такой зависимости может служить график ускорения автомобиля. Если в данных имеются нулевые или отрицательные значения, использование степенного приближения невозможно.

В следующем примере показана зависимость пройденного разгоняющимся автомобилем расстояния от времени. Расстояние выражено в метрах, время — в секундах. Эти данные точно описываются степенной зависимостью, о чем свидетельствует очень близкое к единице значение R-квадрат, равное 0,9923.

Диаграмма со степенной аппроксимацией

Экспоненциальная

Экспоненциальное приближение следует использовать в том случае, если скорость изменения данных непрерывно возрастает. Однако для данных, которые содержат нулевые или отрицательные значения, этот вид приближения неприменим.

В следующем примере экспоненциальная линия тренда описывает содержание радиоактивного углерода-14 в зависимости от возраста органического объекта. Значение R-квадрат равно 1, что означает полное совпадение кривой с аппроксимируемыми данными.

Диаграмма с экспоненциальной аппроксимацией

Скользящее среднее

Использование в качестве приближения скользящего среднего позволяет сгладить колебания данных и таким образом более наглядно показать характер зависимости. Такая линия тренда строится по определенному числу точек (оно задается параметром Шаг). Элементы данных усредняются, и полученный результат используется в качестве среднего значения для приближения. Так, если Шаг равен 2, первая точка сглаживающей кривой определяется как среднее значение первых двух элементов данных, вторая точка — как среднее следующих двух элементов и так далее.

В следующем примере линия тренда скользящего среднего отображает изменение числа проданных домов на протяжении 26 недель.

Диаграмма со скользящим средним

Примечание : Отказ от ответственности относительно машинного перевода. Данная статья была переведена с помощью компьютерной системы без участия человека. Microsoft предлагает эти машинные переводы, чтобы помочь пользователям, которые не знают английского языка, ознакомиться с материалами о продуктах, услугах и технологиях Microsoft. Поскольку статья была переведена с использованием машинного перевода, она может содержать лексические,синтаксические и грамматические ошибки.

Совершенствование навыков
Перейти к обучению
Первоочередный доступ к новым возможностям
Присоединиться к программе предварительной оценки Office

Были ли сведения полезными?

Спасибо за ваш отзыв!

Благодарим за отзыв! Возможно, будет полезно связать вас с одним из наших специалистов службы поддержки Office.

×