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, तोknown_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, तोknown_data_x
किसी दो डाइमेंशन वाले अरे या रेंज में, कई इंडिपेंडेंट वैरिएबल दिखा सकता है. उदाहरण के लिए, अगरknown_data_y
एक पंक्ति है, तोknown_data_x
में हर पंक्ति को अलग से इंडिपेंडेंट वैल्यू के तौर पर देखा जाता है और अगरknown_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 संख्याknown_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, तोknown_data_x
किसी दो डाइमेंशन वाले अरे या रेंज में, कई इंडिपेंडेंट वैरिएबल दिखा सकता है. उदाहरण के लिए, अगरknown_data_y
एक पंक्ति है, तोknown_data_x
में हर पंक्ति को अलग से इंडिपेंडेंट वैल्यू के तौर पर देखा जाता है और अगरknown_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.
- अगर
-
calculate_b
- [ ज़रूरी नहीं - डिफ़ॉल्ट रूप सेTRUE
पर सेट होता है ] -y = m*x+b
का लीनियर फ़ॉर्म दिया हो, तोTRUE
होने पर y-इंटरसेप्ट (b
) का पता लगाता है. ऐसा न होने पर,b
को0
पर सेट करता है औरFALSE
होने पर, सिर्फ़m
की वैल्यू बताता है. इसका मतलब है कि कर्व फ़िट ऑरिजिन से होकर गुजरेगा. -
verbose
- [ ज़रूरी नहीं - डिफ़ॉल्ट रूप सेFALSE
] - 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 औरy
-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.