Compartilhar via


LINEST

aplica-se a:coluna calculadatabela calculadamedidacálculo visual

Usa o método Least Squares para calcular uma linha reta que melhor se ajusta aos dados especificados e retorna uma tabela que descreve a linha. A equação da linha é da forma: y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Sintaxe

LINEST ( <columnY>, <columnX>[, …][, <const>] )

Parâmetros

Prazo Definição
columnY A coluna de valores y conhecidos. Deve ter um tipo escalar.
columnX As colunas de valores x conhecidos. Deve ter um tipo escalar. Pelo menos um deve ser fornecido.
const (Opcional) Um valor de constante que especifica se a constante Intercept igual a 0.Se ou omitido, o valor interceptar é calculado normalmente; Se , o valor do Intercept será definido como zero.

Valor de retorno

Uma tabela de linha única que descreve a linha, além de estatísticas adicionais. Estas são as colunas disponíveis:

  • Slope1, Slope2, ..., SlopeN: os coeficientes correspondentes a cada valor x;
  • Intercept: valor de interceptação;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: os valores de erro padrão para os coeficientes Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept: o valor de erro padrão para ade interceptação de constante;
  • CoeficientOfDetermination: o coeficiente de determinação (r²). Compara valores y estimados e reais e intervalos no valor de 0 a 1: quanto maior o valor, maior a correlação na amostra;
  • StandardError: o erro padrão para a estimativa y;
  • FStatistic: a estatística F ou o valor observado por F. Use a estatística F para determinar se a relação observada entre as variáveis dependentes e independentes ocorre por acaso;
  • DegreesOfFreedom: os graus de liberdade. Use esse valor para ajudá-lo a encontrar valores F críticos em uma tabela estatística e determinar um nível de confiança para o modelo;
  • RegressionSumOfSquares: a soma de regressão de quadrados;
  • ResidualSumOfSquares: a soma residual de quadrados.

Observações

columnY e os columnXdevem pertencer à mesma tabela.

Exemplo 1

A seguinte consulta DAX:

EVALUATE LINEST(
	'FactInternetSales'[SalesAmount],
	'FactInternetSales'[TotalProductCost]
)

Retorna uma tabela de linha única com dez colunas:

Inclinação1 Interceptar StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
1.67703250456677 6.34550460373026 0.000448675725548806 0.279131821917317 0.995695557281456
StandardError FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
60.9171030357485 13970688.6139993 60396 51843736761.658 224123120.339218
  • slope1 e Intercept: os coeficientes do modelo linear calculado;
  • StandardErrorSlope1 e StandardErrorIntercept: os valores de erro padrão para os coeficientes acima;
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquares e ResidualSumOfSquares: estatísticas de regressão sobre o modelo.

Para uma determinada venda pela Internet, este modelo prevê o valor da venda pela seguinte fórmula:

SalesAmount = Slope1 * TotalProductCost + Intercept

Exemplo 2

A seguinte consulta DAX:

EVALUATE LINEST(
	'DimCustomer'[TotalSalesAmount],
	'DimCustomer'[YearlyIncome],
	'DimCustomer'[TotalChildren],
	'DimCustomer'[BirthDate]
)

Retorna uma tabela de linha única com quatorze colunas:

  • Inclinação1
  • Inclinação2
  • Inclinação3
  • Interceptar
  • StandardErrorSlope1
  • StandardErrorSlope2
  • StandardErrorSlope3
  • StandardErrorIntercept
  • CoefficientOfDetermination
  • StandardError
  • FStatistic
  • DegreesOfFreedom
  • RegressionSumOfSquares
  • ResidualSumOfSquares

Para um determinado cliente, esse modelo prevê o total de vendas pela fórmula a seguir (a data de nascimento é convertida automaticamente em um número):

TotalSalesAmount = Slope1 * YearlyIncome + Slope2 * TotalChildren + Slope3 * BirthDate + Intercept

Funções estatísticas LINESTX