Compartilhar via


LINESTX

aplica-se a:coluna calculadatabela calculadaMeasurecálculo visual

Usa o método Least Squares para calculate uma linha reta que melhor se ajusta aos dados especificados e retorna uma tabela que descreve a linha. Os dados resultam de expressões avaliadas para cada linha em uma tabela. A equação da linha é da forma: y = Slope1*x1 + Slope2*x2 + ... + Intercept.

Sintaxe

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

Parâmetros

Prazo 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 y-valuesconhecido. Deve ter um tipo escalar.
expressionX As expressões a serem avaliadas para cada linha da tabela, para obter o x-valuesconhecido. Deve ter um tipo escalar. Pelo menos um deve ser fornecido.
const (Opcional) Uma constante especificando se a constante Intercept igual a 0. omitido, o do Intercept é calculado normalmente; , a Intercept está definida como zero.

Retornar value

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

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

Exemplo 1

A seguinte consulta DAX:

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

Retorna uma tabela de linha única com dez colunas:

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

Para um determinado território de vendas, esse modelo prevê o total de vendas pela seguinte fórmula:

Total Sales = Slope1 * Population + Intercept

Exemplo 2

A seguinte consulta DAX:

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

Retorna uma tabela de linha única com doze colunas:

Inclinação1 Inclinação2 Interceptar StandardErrorSlope1
69.0435458093763 33.005949841721 -871.118539339539 0.872588875481658
StandardErrorSlope2 StandardErrorIntercept CoefficientOfDetermination StandardError
6.21158863903435 26.726292527427 0.984892920482022 68.5715034014342
FStatistic DegreesOfFreedom RegressionSumOfSquares ResidualSumOfSquares
3161.91535144391 97 29734974.9782379 456098.954637092

Para um determinado cliente, esse modelo prevê o total de vendas pela seguinte fórmula:

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

Funções estatísticas LINEST