Trendek, regresszió
Üzleti tervek készítésekor gyakran előfordul, hogy a következő évi forgalom tervezésekor a múltbeli forgalmi adatokból kirajzolódó trendet vesszük alapul. Ugyanez az eljárás az árak, árbevétel, illetve a költségek előrejelzésekor is. Ez valójában nem adja meg ténylegesen a következő év adatait, de legtöbbször nincs más támpont az előrejelzés készítéséhez.
Regresszióanalízis: a legkisebb négyzetek módszerével egyenest illeszt az adatpontok halmazára. Segítségével elemezhetjük, hogy egy függő változó értékét hogyan befolyásolja több független változó értéke (például hogy egy atléta teljesítményét hogyan befolyásolják az olyan adatok, mint a kora, a magassága, a testsúlya). A teljesítményadatok alapján meghatározható, hogy az egyes tényezők milyen mértékben befolyásolják az eredményt, majd ezek alapján előre jelezhetjük egy új, kipróbálatlan sportoló teljesítményét.
Lineáris trendvonal alatt olyan y=mx+b egyenest értünk, amelynél az m és a b paraméterek úgy vannak meghatározva, hogy az yi tényadatok, valamint az mxi+b számított értékek különbségeinek négyzetösszege minimális legyen.
Exponencionális trendvonal alatt olyan y=bmx egyenest értünk, amelyekben a kezdő értékekre az exponenciális görbe módszerével (y=bmx) készül el a sor.
Polinomiális trendvonal a legkisebb négyzetek módszere alapján a legjobban illeszkedő görbét számítja ki. Ingadozó adatok esetén alkalmazható görbe. A polinomiális trendvonal alakulását az adatok ingadozásának száma vagy a görbén megjelenő ívek (hegyek és völgyek) száma szabhatja meg. A másodfokú polinomiális trendvonal általában csak egy heggyel, illetve völggyel rendelkezik. A harmadfokú polinomiális trendvonal általában egy vagy két heggyel, vagy völggyel rendelkezik, a negyedfokú általában legfeljebb hárommal.
R2 értéke: ez az úgynevezett determináltsági együttható, 0 és 1 között vehet fel értéket. Azt mutatja, hogy a trendvonal tervezett értékei mennyire egyeznek meg az aktuális adatokkal. A trendvonal akkor a legmegbízhatóbb, ha r2 értéke 1 vagy ahhoz közelít.
Függvények előrejelzés készítéséhez:Trend: a legkisebb négyzetek módszerével kiszámolja a megadott adatokhoz legjobban illeszkedő egyenes egyenletét, és a megadott új_x értékekhez tartozó, az egyenesre illeszkedő y értékeket ad eredményül. Gyakorlatilag az mxi+b értékeket számolja ki. Konstans argumentum: logikai érték, amely azt határozza meg, hogy a b értéke mindenképpen 0 legyen-e. Megjósolható többváltozós regresszíóban a trenddel, hogy pl: iroda ára hogy változik, ha ismerjük alapterületét, korát és a bejáratok számát.
Lineáris illesztés (Lin.ill): a legkisebb négyzetek módszerével kiszámolja a megadott adatokhoz legjobban illeszkedő egyenes egyenletét. Gyakorlatilag az m és b értékét adja meg. Eredményként egy tömböt ad vissza (tömbképlet: CTRL+SHIFT+ENTER), amely az egyenes egyenletének paramétereit tartalmazza. Konstans argumantum: logikai érték, amely azt határozza meg, hogy a b értéke mindenképpen 0 legyen.
Logaritmikus illeszkedés (Log.ill): regresszióanalízis során meghatároz egy, a megadott adatokhoz legjobban illeszkedő exponenciális görbét. Eredményként egy tömböt ad, ezért tömbképletként kell megadni (CTRL+SHIFT+ENTER).
Növ: az előrejelzett exponenciális növekedést számítja ki meglevő adatok alapján. A NÖV függvény az ismert x és y értékekkel meghatározott új x értékekhez tartozó y értékeket adja eredményül. Konstans argumentuma: logikai érték, amely azt adja meg, hogy az összefüggésben a b konstans értéke 1 legyen-e. Ha a konstans értéke IGAZ vagy hiányzik, akkor a függvény a b értéket korlátozás nélkül számolja ki, ha pedig HAMIS, akkor 1 lesz a b értéke. Eredményként egy tömböt ad, ezért tömbképletként kell megadni (CTRL+SHIFT+ENTER).