REGEXPW (GROWTH)

Biorąc pod uwagę częściowe dane trendu wzrostu wykładniczego, dopasowuje idealny trend wzrostu wykładniczego i/lub przewiduje dalsze wartości.

Przykłady użycia

REGEXPW(B2:B10;A2:A10)

REGEXPW(B2:B10;A2:A10;A11:A13)

Składnia

REGEXPW(znane_dane_y; [znane_dane_x]; [nowe_dane_x]; [b])

• znane_dane_y – tablica lub zakres zawierający zależne wartości (y), które są już znane, służący do dopasowania do idealnej krzywej wzrostu wykładniczego.

  • Jeśli znane_dane_y to dwuwymiarowa tablica lub zakres, znane_dane_x musi mieć te same rozmiary lub być pominięty.

  • Jeśli znane_dane_y to jednowymiarowa tablica lub zakres, znane_dane_x może reprezentować wiele zmiennych niezależnych w dwuwymiarowej tablicy lub zakresie. I tak, jeśli znane_dane_y to jeden wiersz, każdy wiersz w argumencie znane_dane_x jest interpretowany jako oddzielona wartość niezależna i analogicznie, jeśli znane_dane_y to jedna kolumna.

• znane_dane_x – [OPCJONALNIE – domyślnie {1;2;3,...} o tej samej długości, co znane_dane_y ] – wartości niezależnych zmiennych odpowiadających argumentowi znane_dane_y.

  • Jeśli znane_dane_y to jednowymiarowa tablica lub zakres, znane_dane_x może reprezentować wiele zmiennych niezależnych w dwuwymiarowej tablicy lub zakresie. I tak, jeśli znane_dane_y to jeden wiersz, każdy wiersz w argumencie znane_dane_x jest interpretowany jako oddzielona wartość niezależna i analogicznie, jeśli znane_dane_y to jedna kolumna.

• nowe_dane_x – [ OPCJONALNIE – domyślnie tak samo, jak znane_dane_x ] – punkty danych do zwrócenia wartości y dla idealnego dopasowania krzywej.

  • Domyślnym zachowaniem jest zwrócenie wartości idealnego dopasowania krzywej dla tych samych danych wejściowych x , co istniejące dane dla porównania znanych wartości y i odpowiadających im szacunków dopasowania krzywej.

• b – [OPCJONALNIE – domyślnie PRAWDA ] – biorąc pod uwagę ogólną formę wykładniczą y = b*m^x dla dopasowania krzywej, oblicza b w przypadku wartości PRAWDA lub wymusza dla b wartość 1 i tylko oblicza wartości m w przypadku wartości FAŁSZ.

Zobacz również

REGLINW: Biorąc pod uwagę częściowe dane dotyczące trendu liniowego, dopasowuje idealny trend liniowy za pomocą metody najmniejszych kwadratów i/lub przewiduje dalsze wartości.

REGEXPP: Biorąc pod uwagę częściowe dane wykładniczej krzywej wzrostu, oblicza różne parametry dotyczące najlepszego dopasowania idealnej krzywej wykładniczej wzrostu.

REGLINP: Biorąc pod uwagę częściowe dane dotyczące trendu liniowego, oblicza różne parametry dotyczące idealnego trendu liniowego z użyciem metody najmniejszych kwadratów.

Przykłady