İngilizce dilinde oku

Aracılığıyla paylaş


LINESTX

Şunlar için geçerlidir:Hesaplanan sütunHesaplanan tabloMeasureGörsel hesaplama

Verilen verilere en uygun düz bir çizgi calculate için En Küçük Kareler yöntemini kullanır, ardından çizgiyi açıklayan bir tablo döndürür. Tablodaki her satır için değerlendirilen ifadelerden elde edilen veriler. Çizgi denklemi şu biçimdedir: y = Eğim1*x1 + Eğim2*x2 + ... + Kesme Noktası.

Sözdizimi

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

Parametre

Terim Tanım
table İfadelerin değerlendirileceği satırları içeren tablo.
expressionY Bilinen y-valueselde etmek için tablonun her satırı için değerlendirilecek ifade. Skaler türe sahip olmalıdır.
expressionX Bilinen x-valueselde etmek için tablonun her satırı için değerlendirilecek ifadeler. Skaler türe sahip olmalıdır. En az bir tane sağlanmalıdır.
const (İsteğe bağlı) Sabit , Kesme Noktası sabitinin 0'a eşit zorlanıp zorlanmayacağını belirtir. atlanırsa, Kesme Noktası normal olarak hesaplanır; Kesme Noktası sıfır olarak ayarlanır.

İade value

Satırı açıklayan tek satırlı bir tablo ve ek istatistikler. Kullanılabilir sütunlar şunlardır:

  • Eğim1, Eğim2, ..., EğimLI: her x-valuekarşılık gelen katsayılar;
  • Kesme: kesme value;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: Eğim1, Eğim2, ..., Eğimliiçin standart errorvalues;
  • StandardErrorIntercept: Kesme Noktasısabiti için standart errorvalue;
  • CoefficientOfDetermination: belirleme katsayısı (r²). Y-valuestahmini and karşılaştırır andvalue 0 ile 1 arasındaki aralıkları karşılaştırır: valuene kadar yüksekse, samplebağıntı o kadar yüksektir;
  • StandardError: y tahmini için standart error;
  • FStatistic: F istatistiği or F gözlemlenen value. Bağımlı and bağımsız değişkenler arasındaki gözlemlenen ilişkinin şans eseri oluşup oluşmadığını belirlemek için F istatistiğini kullanın;
  • DegreesOfFreedom: özgürlüğün degrees. İstatistiksel tabloda F kritik valuesfind yardımcı olması için bu value kullanın and model için güvenilirlik düzeyini belirleyin;
  • RegressionSumOfSquares: karelerin regresyon sum;
  • ResidualSumOfSquares: karelerin artık sum.

Örnek 1

Aşağıdaki DAX sorgusu:

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

On sütunlu tek satırlı bir tablo döndürür:

Eğim1 Kesme noktası StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
6.42271517588 -410592.76216 0.24959467764561 307826.343996223 0.973535860750193
StandardError FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
630758.1747292 662.165707642 18 263446517001130 7161405749781.07
  • Eğim1andKesme Noktası: hesaplanan doğrusal modelin katsayıları;
  • StandardErrorSlope1andStandardErrorIntercept: yukarıdaki katsayılar için standart errorvalues;
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquaresandResidualSumOfSquares: model hakkındaki regresyon istatistikleri.

Belirli bir satış bölgesi için bu model, toplam satışları aşağıdaki formülle tahmin eder:

Total Sales = Slope1 * Population + Intercept

Örnek 2

Aşağıdaki DAX sorgusu:

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

On iki sütunu olan tek satırlı bir tablo döndürür:

Eğim1 Eğim2 Kesme noktası StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept CoefficientOfDetermination StandardError
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

Bu model, belirli bir müşteri için toplam satışları aşağıdaki formülle tahmin eder:

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

LINEST
İstatistiksel işlevler