Partilhar via

LINESTX

  • Artigo

Aplica-se a:Coluna calculadaTabela calculadaMeasureCálculo visual

Usa o método Least Squares para calculate uma linha reta que melhor se ajusta aos dados fornecidos e, em seguida, retorna uma tabela descrevendo a linha. Os dados resultam de expressões avaliadas para cada linha de uma tabela. A equação para a linha é da forma: y = Inclinação1*x1 + Inclinação2*x2 + ... + Intercetar.

Sintaxe

LINESTX ( <table>, <expressionY>, <expressionX>[, …][, <const>] )

Parâmetros

Vigência Definição
table A tabela que contém as linhas para as quais as expressões serão avaliadas.
expressionY A expressão a ser avaliada para cada linha da tabela, para obter o conhecido y-values. Deve ter tipo escalar.
expressionX As expressões a serem avaliadas para cada linha da tabela, para obter o conhecido x-values. Deve ter tipo escalar. Pelo menos um deve ser fornecido.
const (Opcional) Uma constante especificando se a constante Intercept deve ser igual a 0. omitido, o Intercept é calculado normalmente; , o do Intercept está definido como zero.

Regresso value

Uma tabela de linha única descrevendo a linha, além de estatísticas adicionais. Estas são as colunas disponíveis:

  • Slope1, Slope2, ..., SlopeN: os coeficientes correspondentes a cada x-value;
  • Intercept: intercetar value;
  • StandardErrorSlope1, StandardErrorSlope2, ..., StandardErrorSlopeN: o errorvalues padrão para os coeficientes Slope1, Slope2, ..., SlopeN;
  • StandardErrorIntercept: o errorvalue padrão para a constante Intercept;
  • CoefficientOfDetermination: o coeficiente de determinação (r²). Compara a estimativa and o y-valuesreal, and varia em value de 0 a 1: quanto maior o value, maior a correlação no sample;
  • StandardError: o error padrão para a estimativa y;
  • FStatistic: a estatística F or a valueF-observada. Use a estatística F para determinar se a relação observada entre as variáveis dependentes and independentes ocorre por acaso;
  • DegreesOfFreedom: o degrees da liberdade. Use este value para ajudá-lo a findvalues críticos F em uma tabela estatística and determinar um nível de confiança para o modelo;
  • RegressionSumOfSquares: a regressão sum de quadrados;
  • ResidualSumOfSquares: a sum residual de quadrados.

Exemplo 1

O seguinte DAX consulta:

DEFINE VAR TotalSalesByRegion = SUMMARIZECOLUMNS(
    'Sales Territory'[Sales Territory Key],
    'Sales Territory'[Population],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByRegion',
    [Total Sales],
    [Population]
)

Devolve uma tabela de linha única com dez colunas:

Inclinação1 Intercetação StandardErrorSlope1 StandardErrorIntercept CoefficientOfDetermination
6.42271517588 -410592.76216 0.24959467764561 307826.343996223 0.973535860750193
Erro padrão FStatistic Graus de Liberdade RegressãoSomaDosQuadrados ResidualSumOfSquares
630758.1747292 662.165707642 18 263446517001130 7161405749781.07
  • Slope1andIntercept: os coeficientes do modelo linear calculado;
  • StandardErrorSlope1andStandardErrorIntercept: o errorvalues padrão para os coeficientes acima;
  • CoefficientOfDetermination, StandardError, FStatistic, DegreesOfFreedom, RegressionSumOfSquaresandResidualSumOfSquares: estatísticas de regressão sobre o modelo.

Para um determinado território de vendas, este modelo prevê as vendas totais pela seguinte fórmula:

Total Sales = Slope1 * Population + Intercept

Exemplo 2

O seguinte DAX consulta:

DEFINE VAR TotalSalesByCustomer = SUMMARIZECOLUMNS(
    'Customer'[Customer ID],
    'Customer'[Age],
    'Customer'[NumOfChildren],
    "Total Sales", SUM(Sales[Sales Amount])
)
EVALUATE LINESTX(
    'TotalSalesByCustomer',
    [Total Sales],
    [Age],
    [NumOfChildren]
)

Devolve uma tabela de linha única com doze colunas:

Inclinação1 Inclinação2 Intercetação StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept CoefficientOfDetermination Erro padrão
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistic Graus de Liberdade RegressãoSomaDosQuadrados ResidualSumOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

Para um determinado cliente, este modelo prevê as vendas totais pela seguinte fórmula:

Total Sales = Slope1 * Age + Slope2 * NumOfChildren + Intercept

Related conteúdo

LINEST Funções estatísticas