Mga Linya ng Trend

Maaaring idagdag ang mga linya ng trend sa lahat ng uri ng 2D chart maliban sa Pie at Stock chart.

1. Para maglagay ng trend line para sa isang serye ng data, i-double click muna ang chart para pumasok sa edit mode at piliin ang serye ng data sa chart kung saan gagawa ng trend line.

2. Pumili Insert - Trend Line , o i-right-click ang serye ng data upang buksan ang menu ng konteksto, at piliin Ipasok ang Trend Line .

3. Ang Mean Value Lines ay mga espesyal na linya ng trend na nagpapakita ng mean na halaga. Gamitin Insert - Mean Value Lines upang magpasok ng mga linya ng mean na halaga para sa serye ng data.

4. Para magtanggal ng trend line o mean value line, i-click ang linya, pagkatapos ay pindutin ang Del key.

Ang linya ng trend ay may parehong kulay sa kaukulang serye ng data. Upang baguhin ang mga katangian ng linya, piliin ang linya ng trend at piliin Format - Pagpili ng Format - Linya .

Trend Line Equation at Coefficient of Determination

Kapag nasa edit mode ang chart, binibigyan ka ng LibreOffice ng equation ng trend line at ng coefficient of determination R ² , kahit na hindi ipinapakita ang mga ito: mag-click sa trend line para makita ang impormasyon sa status bar.

Upang ipakita ang equation ng linya ng trend, piliin ang linya ng trend sa chart, i-right-click upang buksan ang menu ng konteksto, at piliin ang Ipasok ang Trend Line Equation .

Upang baguhin ang format ng mga halaga (gumamit ng hindi gaanong makabuluhang mga digit o siyentipikong notasyon), piliin ang equation sa chart, i-right-click upang buksan ang menu ng konteksto, at piliin Format Trend Line Equation - Mga Numero .

Default na equation ay ginagamit x para sa abscissa variable, at f(x) para sa ordinate variable. Upang baguhin ang mga pangalang ito, piliin ang linya ng trend, piliin Format - Pagpili ng Format - Uri at ilagay ang mga pangalan sa X Pangalan ng Variable at Y Variable Pangalan i-edit ang mga kahon.

Para ipakita ang coefficient of determination R², piliin ang equation sa chart, i-right click para buksan ang context menu, at piliin ang Insert R².

Mga Uri ng Curve ng Trend Lines

Ang mga sumusunod na uri ng regression ay magagamit:

• Linear linya ng trend: regression sa pamamagitan ng equation y=a∙x+b . Harangin b pwedeng pilitin.

• Polynomial trend line: regression through equation y=Σ_i(a_i∙xⁱ). Intercept a₀ can be forced. Degree of polynomial must be given (at least 2).

• Logarithmic linya ng trend: regression sa pamamagitan ng equation y=a∙ln(x)+b .

• Exponential trend line: regression through equation y=b∙exp(a∙x).This equation is equivalent to y=b∙m^x with m=exp(a). Intercept b can be forced.

• Power trend line: regression through equation y=b∙x^a.

• Moving average trend line: ang simpleng moving average ay kinakalkula gamit ang n nakaraang y-values, n pagiging panahon. Walang equation na available para sa trend line na ito.

Mga hadlang

Isinasaalang-alang lamang ng pagkalkula ng linya ng trend ang mga pares ng data na may mga sumusunod na halaga:

• Logarithmic trend line: mga positibong x-value lang ang isinasaalang-alang.

• Exponential trend line: mga positibong y-value lang ang isasaalang-alang, maliban kung negatibo ang lahat ng y-value: ang regression ay susunod sa equation y=-b∙exp(a∙x) .

• Power trend line: mga positibong x-value lang ang isinasaalang-alang; ang mga positibong y-value lang ang isasaalang-alang, maliban kung ang lahat ng y-value ay negatibo: ang regression ay susunod sa equation y=-b∙x^a.

Dapat mong baguhin ang iyong data nang naaayon; pinakamahusay na magtrabaho sa isang kopya ng orihinal na data at baguhin ang kinopyang data.

Kalkulahin ang Mga Parameter sa Calc

Maaari mo ring kalkulahin ang mga parameter gamit ang mga function ng Calc bilang mga sumusunod.

Ang linear regression equation

Ang linear regression sumusunod sa equation y=m*x+b .

m = SLOPE(Data_Y;Data_X)

b = INTERCEPT(Data_Y ;Data_X)

Kalkulahin ang koepisyent ng determinasyon sa pamamagitan ng

r ² = RSQ(Data_Y;Data_X)

Bukod sa m, b at r ² ang array function LINEST nagbibigay ng karagdagang istatistika para sa pagsusuri ng regression.

Ang logarithmic regression equation

Ang logarithmic regression sumusunod sa equation y=a*ln(x)+b .

a = SLOPE(Data_Y;LN(Data_X))

b = INTERCEPT(Data_Y ;LN(Data_X))

r ² = RSQ(Data_Y;LN(Data_X))

Ang exponential regression equation

Para sa mga exponential trend lines, nagaganap ang pagbabago sa isang linear na modelo. Ang pinakamainam na angkop na curve ay nauugnay sa linear na modelo at ang mga resulta ay binibigyang-kahulugan nang naaayon.

The exponential regression follows the equation y=b*exp(a*x) or y=b*m^x, which is transformed to ln(y)=ln(b)+a*x or ln(y)=ln(b)+ln(m)*x respectively.

a = SLOPE(LN(Data_Y);Data_X)

Ang mga variable para sa pangalawang variation ay kinakalkula tulad ng sumusunod:

m = EXP(SLOPE(LN(Data_Y);Data_X))

b = EXP(INTERCEPT(LN(Data_Y);Data_X))

Kalkulahin ang koepisyent ng determinasyon sa pamamagitan ng

r ² = RSQ(LN(Data_Y);Data_X)

Bukod sa m, b at r ² ang array function LOGEST nagbibigay ng karagdagang istatistika para sa pagsusuri ng regression.

Ang power regression equation

For power regression curves a transformation to a linear model takes place. The power regression follows the equation y=b*x^a, which is transformed to ln(y)=ln(b)+a*ln(x).

a = SLOPE(LN(Data_Y);LN(Data_X))

b = EXP(INTERCEPT(LN(Data_Y);LN(Data_X))

r ² = RSQ(LN(Data_Y);LN(Data_X))

Ang polynomial regression equation

Para sa polynomial regression curves isang pagbabagong-anyo sa isang linear na modelo ay nagaganap.

Gumawa ng table na may mga column na x, x ² , x ³ , … , x ⁿ , y hanggang sa nais na degree n.

Gamitin ang formula =LINEST(Data_Y,Data_X) na may kumpletong hanay x hanggang x ⁿ (walang mga heading) bilang Data_X.

Ang unang hilera ng LINEST ang output ay naglalaman ng mga coefficient ng regression polynomial, na may coefficient ng x ⁿ sa pinakakaliwang posisyon.

Ang unang elemento ng ikatlong hilera ng LINEST ang output ay ang halaga ng r ² . Tingnan ang LINEST function para sa mga detalye sa wastong paggamit at paliwanag ng iba pang mga parameter ng output.