seychellesartprojects.org

Excel lineārā interpolācija

Lineārā interpolācija programmā Excel nozīmē prognozēt vai uzminēt jebkura konkrēta mainīgā lieluma nākamo vērtību, kas norādīta pašreizējos datos. Šeit mēs izveidojam taisnu līniju, kas savieno divas vērtības, un caur to mēs novērtējam nākotnes vērtību, programmā Excel mēs izmantojam prognožu funkciju un uzmeklēšanu funkcija veikt lineāru interpolāciju.

Interpolācija ir matemātisks vai statistisks rīks, ko izmanto, lai prognozētu vērtības starp diviem līknes vai līnijas punktiem. Šis rīks tiek izmantots ne tikai statistikā, bet arī daudzās citās jomās, piemēram, biznesā, zinātnē utt., Kur vien ir iespēja paredzēt vērtības starp diviem datu punktiem.

Kā veikt lineāro interpolāciju programmā Excel?

Šo lineārās interpolācijas Excel veidni varat lejupielādēt šeit - lineārās interpolācijas Excel veidne

1. piemērs

Veicot interpolāciju, lai uzzinātu laika apstākļu temperatūru dažādās laika joslās

Pirmkārt, ņemiet vērā temperatūras rādītājus Bangaloras reģionā par katru stundu, un dati būs šādi:

Dati rāda, ka mēs zināmu laiku esam saņēmuši informāciju par Bangaloras reģiona temperatūru. Laika kolonnā mums ir laika joslas visai dienai un stundai, un mēs pieminējām stundu skaitu no dienas sākuma, piemēram, plkst. 12:00 būtu 0 stundas, pulksten 1:00 - 1 stunda utt. ieslēgts.

Tagad mēs veiksim datu interpolāciju, lai izvilktu temperatūras vērtību vajadzīgajai laika joslai, kas jebkurā laikā var būt ne tikai precīza stunda.

Lai veiktu interpolāciju, mums programmā Excel ir jāizmanto dažas formulas, piemēram, PROGNOZE, IZSLĒGŠANA, MATCH. Ļaujiet mums īsi apskatīt šīs formulas, pirms mēs ejam uz priekšu.

PROGNOZE () - šī funkcija Prognoze Excel aprēķina vai prognozē nākotnes vērtību, pamatojoties uz esošajām vērtībām, kā arī lineāru tendenci.

• X - tā ir vērtība, kurai mēs vēlamies paredzēt.
• Known_ys - šīs ir atkarīgās datu vērtības un obligāti aizpildāmais lauks
• Known_xs - šīs ir neatkarīgās vērtības no datiem un obligāti aizpildāms lauks.

SASKAŅOT () - šī funkcija Izcēla funkcija atgriezīs uzmeklēšanas vērtības relatīvo pozīciju rindā, kolonnā vai tabulā, kas atbilst norādītajai vērtībai noteiktā secībā.

• Uzmeklēšanas_vērtība - šī ir vērtība, kas jāsaskaņo no uzmeklēšanas_līmeņa
• Lookup_array - tas ir meklēšanas diapazons

[match_type] - tas var būt 1,0, -1. Noklusējums būtu 1. Par 1 - Match atradīs lielāko vērtību, kas ir mazāka vai vienāda ar look_up vērtību, un vērtībai jābūt augošā secībā. Par 0 - atbilstība atrod pirmo vērtību, kas precīzi vienāda ar uzmeklēšanas_vērtību, un tā nav jāšķiro. Par -1 - atbilstība atradīs mazāko vērtību, kas ir lielāka vai vienāda ar look_up vērtību, un tā jāšķiro dilstošā secībā.

OFFSET () - Šī funkcija Offset atgriezīs šūnu vai šūnu diapazonu, kas ir noteikts rindu un kolonnu skaits. Šūna vai šūnu diapazons būs atkarīgs no augstuma un platuma mūsu norādītajās rindās un kolonnās.

• Atsauce - tas ir sākuma punkts, no kura tiks veikts rindu un kolonnu skaits.
• Rindas - rindu skaits, kas nobīdītas zem sākuma atsauces šūnas.
• Kolonnas - kolonnu skaits, lai kompensētu tieši no sākuma atsauces šūnas.
• [augstums] - augstums rindās no atgriezušās atsauces. Tas nav obligāts.
• [platums] - platums kolonnās no atgriezušās atsauces. Tas nav obligāts.

Kā mēs īsumā esam redzējuši formulas, kuras izmantosim interpolācijas veikšanai. Tagad veiksim interpolāciju šādi:

Šūnā ierakstiet formulu, kas mums nepieciešama, lai redzētu temperatūru dažādām laika joslām. Tas norāda, ka mums ir jāizvēlas šūna, kas jāprognozē, un, lai izvēlētos zināmos_s un zināmosx, tiek izmantota funkcija “kompensēt un saskaņot”.

PROGNOZE ($ F $ 5 - atlasiet šūnu, kurai ir paredzēta laika josla.

OFFSET ($ C $ 3: $ C $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Tas tiek izmantots, lai atlasītu zināmos_us kā atsauci tiek ņemts temp kolonna, jo šie ir atkarīgās vērtības. Atbilstības funkcija tiek izmantota, lai ģenerētu tās vērtības pozīciju, kas mums jāprognozē un jāaprēķina rindu skaits. Kolonnām jābūt 0, jo mēs vēlamies, lai atkarīgā vērtība būtu tajā pašā kolonnā, kuru atlasījām un kuras augstums ir 2, jo mums ir jāveic prognoze, pamatojoties uz pēdējām 2 vērtībām.

OFFSET ($ B $ 3: $ B $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Tas tiek izmantots, lai atlasītu zināmos_xs, kā atsauce tiek ņemta stundas kolonnā, jo šie ir neatkarīgas vērtības, un atpūta ir tāda pati kā rindu skaitīšanai.

Tagad šūnā norādiet kādu laika joslu, kuru mēs bijām apsvēruši prognozēt. Šeit ievadītā vērtība ir 19,5, kas ir 19:30, un mēs saņemsim temperatūru 30, kas tiek prognozēta no temperatūras vērtībām, kas tiek norādītas stundā.

Līdzīgi no šīs formulas mēs varam redzēt dažādu laika joslu temperatūras rādītājus.

2. piemērs

Veicot lineāro interpolāciju, lai uzzinātu organizācijas pārdošanas apjomus 2018. gadā

Pieņemsim, ka 2018. gadā mēs ieguva organizācijas pārdošanas informāciju, kā norādīts zemāk. Mums ir dati par dienām un to pārdošanas apjomiem. Gada pirmajās 15 dienās mēs pārdevām 7844 vienības, gada 50 dienās - 16094 vienības utt.

Mēs varam izmantot to pašu formulu, kuru izmantojām interpolācijā, lai prognozētu pārdošanas vērtību dažādām dienām, kas netika pieminēta mūsu uzskatītajos datos. Šeit pārdošana notiek taisnā līnijā (lineārā), kā mēs to ņēmām kumulatīvi.

Ja mēs vēlamies redzēt 215 dienu laikā sasniegto pārdošanas gadījumu skaitu, mēs varam iegūt prognozēto pārdošanas skaitu 215 dienām, kā norādīts zemāk, ņemot vērā dotos pārdošanas datus.

Līdzīgi mēs varam uzzināt pārdošanas apjomu tajā gadā, prognozējot starp dotajiem punktiem.

Atceramās lietas

• Tā ir vismazāk precīza metode, bet tā ir ātra un precīza, ja tabulas vērtības ir cieši izvietotas.
• To var izmantot arī, novērtējot ģeogrāfiskā datu punkta vērtības, nokrišņu daudzumu, trokšņa līmeni utt.
• Tas ir ļoti viegli lietojams un nav ļoti precīzs nelineārām funkcijām.
• Papildus Excel lineārajai interpolācijai mums ir arī dažāda veida metodes, piemēram, polinomu interpolācija, spline interpolācija utt.