LINEST

किसी रैखिक रुझान के बारे में आंशिक डेटा दिया जाने पर, कम से कम वर्ग विधि का इस्तेमाल करके आदर्श रैखिक रुझान के बारे में अलग-अलग पैरामीटर का हिसाब करता है.

इस्तेमाल का उदाहरण

LINEST(B2:B10, A2:A10)

LINEST(B2:B10, A2:A10, FALSE, TRUE)

सिंटैक्स

LINEST(known_data_y, [known_data_x], [calculate_b], [verbose])

• known_data_y - पहले से मालूम डिपेंडेंट (y) वैल्यू वाला अरे या रेंज, जिसका इस्तेमाल डेटा सेट के लिए सटीक लीनियर फ़ंक्शन का पता लगाने में किया जाता है.

  • अगर known_data_y दो डाइमेंशन वाला अरे या रेंज है, तो known_data_x का डाइमेंशन भी उसके जैसा ही होना चाहिए. ऐसा न होने पर, उसका इस्तेमाल नहीं किया जाना चाहिए.

  • अगर known_data_y एक डाइमेंशन वाला अरे या रेंज है, तो known_data_x किसी दो डाइमेंशन वाले अरे या रेंज में, कई इंडिपेंडेंट वैरिएबल दिखा सकता है. उदाहरण के लिए, अगर known_data_y एक पंक्ति है, तो known_data_x में हर पंक्ति को अलग से इंडिपेंडेंट वैल्यू के तौर पर देखा जाता है और अगर known_data_y एक कॉलम है, तो इसे भी ऐसे ही देखा जाता है.

• known_data_x - [ ज़रूरी नहीं - डिफ़ॉल्ट रूप से ये वैल्यू {1,2,3,...} होती हैं और इनमें एलिमेंट की संख्या known_data_y के बराबर होती है ] - इंडिपेंडेंट वैरिएबल की वैल्यू, known_data_y के हिसाब से तय होती हैं.

  • अगर known_data_y एक डाइमेंशन वाला अरे या रेंज है, तो known_data_x किसी दो डाइमेंशन वाले अरे या रेंज में, कई इंडिपेंडेंट वैरिएबल दिखा सकता है. उदाहरण के लिए, अगर known_data_y एक पंक्ति है, तो known_data_x में हर पंक्ति को अलग से इंडिपेंडेंट वैल्यू के तौर पर देखा जाता है और अगर known_data_y एक कॉलम है, तो इसे भी ऐसे ही देखा जाता है.

    ध्यान दें: अगर कई इंडिपेंडेंट वैरिएबल हों, तो आउटपुट पैरामीटर, इनपुट वैरिएबल से उलटे क्रम में जुड़े होते हैं.

• calculate_b - [ ज़रूरी नहीं - डिफ़ॉल्ट रूप से TRUE पर सेट होता है ] - y = m*x+b का लीनियर फ़ॉर्म दिया हो, तो TRUE होने पर y-इंटरसेप्ट (b) का पता लगाता है. ऐसा न होने पर, b को 0 पर सेट करता है और FALSE होने पर, सिर्फ़ m की वैल्यू बताता है. इसका मतलब है कि कर्व फ़िट ऑरिजिन से होकर गुजरेगा.

• verbose - [ ज़रूरी नहीं - डिफ़ॉल्ट रूप से FALSE ] - इससे यह पता चलता है कि नतीजों के तौर पर सिर्फ़ y-इंटरसेप्ट और लीनियर कोऐफ़िशिएंट की जानकारी देना है या इनके साथ-साथ, अतिरिक्त प्रतिगमन (रिग्रेशन) के आंकड़े भी देने हैं.

  • अगर verbose TRUE पर सेट हो, तो हर इंडिपेंडेंट वैरिएबल के लिए लीनियर कोऐफ़िशिएंट के सेट और y-intercept के साथ-साथ, LINEST फ़ंक्शन ये नतीजे दिखाता है

    • हर कोऐफ़िशिएंट और इंटरसेप्ट के लिए एक स्टैंडर्ड गड़बड़ी,

    • कोऐफ़िशिएंट ऑफ़ डिटरमिनेशन यानी निर्धारण गुणांक (0 और 1 के बीच होता है, जहां 1 का मतलब है कि इंडिपेंडेंट वैरिएबल से डिपेंडेंट वैरिएबल का सटीक अनुमान लगाया जा सकता है),

    • डिपेंडेंट वैरिएबल वैल्यू के लिए स्टैंडर्ड गड़बड़ी,

    • F स्टटिस्टिक या F ऑब्ज़र्व्ड वैल्यू से यह पता चलता है कि डिपेंडेंट और इंडिपेंडेंट वैरिएबल के बीच का संबंध लीनियर के बजाय रैंडम है,

    • इंडिपेंडेंट वैल्यू की संख्या, जिसका इस्तेमाल रेफ़रंस टेबल में F स्टटिस्टिक की वैल्यू खोजने के लिए किया जा सकता है, ताकि यह अनुमान लगाया जा सके कि नतीजे कितने सही हैं,

    • स्क्वेयर के योग का प्रतिगमन (रिग्रेशन) और

    • डेटा के अनुमान और वास्तविक नतीजों के बीच का अंतर (आरएसएस).

यह भी देखें

TREND: किसी रैखिक रुझान के बारे में आंशिक डेटा दिए जाने पर, कम से कम वर्ग विधि का इस्तेमाल करके एक आदर्श रैखिक रुझान को फ़िट करता है और/या आगे के मानों का अनुमान लगाता है.

LOGEST: किसी चरघातांकी वृद्धि वक्र के बारे में आंशिक डेटा दिए जाने पर, श्रेष्ठ फ़िट आदर्श चरघातांकी वृद्धि वक्र के बारे में अलग-अलग पैरामीटर का हिसाब लगाता है.

GROWTH: किसी चरघातांकी वृद्धि रुझान के बारे में आंशिक डेटा दिए जाने पर, कोई आदर्श चरघातांकी वृद्धि रुझान फ़िट करता है और/या दूसरे मानों का अनुमान लगाता है.

उदाहरण