Ανάγνωση στα Αγγλικά

Κοινή χρήση μέσω


LINESTX

Ισχύει για:Υπολογιζόμενη στήληΥπολογιζόμενος πίνακαςMeasureΥπολογισμός απεικόνισης

Χρησιμοποιεί τη μέθοδο Least Squares για να calculate μια ευθεία γραμμή που ταιριάζει καλύτερα στα δεδομένα που έχουν δοθεί και, στη συνέχεια, επιστρέφει έναν πίνακα που περιγράφει τη γραμμή. Το αποτέλεσμα δεδομένων από παραστάσεις που αξιολογούνται για κάθε γραμμή σε έναν πίνακα. Η εξίσωση για τη γραμμή είναι της μορφής: y = Slope1*x1 + Slope2*x2 + ... + υποκλοπής .

Σύνταξη

LINESTX ( <table>, <expressionY>, <expressionX>[, …][, <const>] )

Παραμέτρους

Όρος Ορισμός
table Ο πίνακας που περιέχει τις γραμμές για τις οποίες θα αξιολογηθούν οι παραστάσεις.
expressionY Η παράσταση που θα αξιολογηθεί για κάθε γραμμή του πίνακα, για να λάβει το γνωστό y-values. Πρέπει να έχει ανυσματική μορφή.
expressionX Οι παραστάσεις που θα αξιολογηθούν για κάθε γραμμή του πίνακα, για να αποκτήσουν τη γνωστή x-values. Πρέπει να έχει ανυσματική μορφή. Πρέπει να παρασχεθεί τουλάχιστον ένα.
const (Προαιρετικό) Μια σταθερά που καθορίζει αν θα επιβληθεί η επιβολή της σταθεράς η υποκλοπής θα ισούται με 0. παραλείπεται, ο αναχαιτίζεται κανονικά. , το intercept έχει οριστεί στο μηδέν.

Επιστροφή value

Ένας πίνακας μίας γραμμής που περιγράφει τη γραμμή, καθώς και πρόσθετα στατιστικά στοιχεία. Αυτές είναι οι διαθέσιμες στήλες:

  • Slope1, Slope2, ..., SlopeN: οι συντελεστές που αντιστοιχούν σε κάθεvaluex
  • value: valueυποκλοπής
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: ο τυπικός errorvalues για τους συντελεστές Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept: η τυπική για τησταθερού intercept,
  • ΣυντελεστήςΠροστασία Δεδομένων: ο συντελεστής προσδιορισμού (r²). Συγκρίνει τις εκτιμώμενες and πραγματικές περιοχέςvaluesandvalue από 0 έως 1: όσο υψηλότερος είναι ο value, τόσο υψηλότερη είναι η συσχέτιση με τον sample;
  • standardError: η τυπική error για την εκτίμηση y,
  • FStatistic: το στατιστικό στοιχείο F or το valueπου παρατηρήθηκε στην F . Χρησιμοποιήστε το στατιστικό στοιχείο F για να προσδιορίσετε εάν η σχέση που παρατηρείται μεταξύ των εξαρτώμενων and ανεξάρτητων μεταβλητών προκύπτει τυχαία.
  • DegreesOfFreedom: ο degrees της ελευθερίας. Χρησιμοποιήστε αυτή την value για να σας βοηθήσει να find κρίσιμες για την F values σε έναν στατιστικό πίνακα and να προσδιορίσετε ένα επίπεδο εμπιστοσύνης για το μοντέλο.
  • παλινδρόμησηSumOfSquares: η sum παλινδρόμησης των τετραγώνων·
  • ResidualSumOfSquares: το υπολειπόμενο sum των τετραγώνων.

Παράδειγμα 1

Το παρακάτω DAX ερώτημα:

DEFINE VAR TotalSalesByRegion = SUMMARIZECOLUMNS(
    'Sales Territory'[Sales Territory Key],
    'Sales Territory'[Population],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByRegion',
    [Total Sales],
    [Population]
)

Επιστρέφει έναν πίνακα μίας γραμμής με δέκα στήλες:

Κλίση1 Διακόπτω StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
6.42271517588 -410592.76216 0.24959467764561 307826.343996223 0.973535860750193
StandardError FStatistic DegreesOfFreedom ΠαλινδρόμησηSumOfSquares ΥπολειπόμεναΑπολειπόμεναOfSquares
630758.1747292 662.165707642 18 263446517001130 7161405749781.07
  • Slope1andαναχαίτισης: οι συντελεστές του υπολογιζόμενου γραμμικού μοντέλου·
  • StandardErrorSlope1andStandardErrorIntercept: η τυπική errorvalues για τους παραπάνω συντελεστές·
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, ΠαλινδρόμησηSumOfSquaresandΥπολειπόμενοSumOfSquares: στατιστικά στοιχεία παλινδρόμησης σχετικά με το μοντέλο.

Για μια δεδομένη περιφέρεια πωλήσεων, αυτό το μοντέλο προβλέπει συνολικές πωλήσεις με βάση τον παρακάτω τύπο:

Total Sales = Slope1 * Population + Intercept

Παράδειγμα 2

Το παρακάτω DAX ερώτημα:

DEFINE VAR TotalSalesByCustomer = SUMMARIZECOLUMNS(
    'Customer'[Customer ID],
    'Customer'[Age],
    'Customer'[NumOfChildren],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByCustomer',
    [Total Sales],
    [Age],
    [NumOfChildren]
)

Επιστρέφει έναν πίνακα μίας γραμμής με δώδεκα στήλες:

Κλίση1 Κλίση2 Διακόπτω StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept CoefficientOfDetermination StandardError
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistic DegreesOfFreedom ΠαλινδρόμησηSumOfSquares ΥπολειπόμεναΑπολειπόμεναOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

Για έναν συγκεκριμένο πελάτη, αυτό το μοντέλο προβλέπει τις συνολικές πωλήσεις με βάση τον παρακάτω τύπο:

Total Sales = Slope1 * Age + Slope2 * NumOfChildren + Intercept

LINEST
στατιστικών συναρτήσεων