如何用Excel做数据预测阐明？

本日给各人聊一下如何用Excel预测将来！
先别砸鸡蛋，看我小眼睛，我是当真的。
摊手，其实预测将来这事吧，说起来，Excel有许多可用的方式。本日给各人聊四种函数方案；也就是用函数实现移动平均预测、线性回归预测、指数回归预测、多项式拟合等。看完之后，你会发明……固然看不懂，但仿佛很涨姿势的样子( •̅_•̅ )~~就不妨先保藏一波，以便未来备用。

移动平均预测是一种较量简朴的预测方式。跟着时间序列的推移，它依次取持续的多项数据求取平均值，每移动一个时间周期就增加一个近期的数据，去掉一个远期的数据，获得一个新的平均数。由于它逐渐向前移动，所以称为移动平均法。
移动平均可以让数据更滑腻，消除周期变换和不类型变换的影响，使得恒久趋势得以显示，因而可以用于一些周期变换较小的预测。
举个例子。下图是某企业近一年的销售数据，需要以三个月为计较周期预测下一个月的销售额。

在C4单位格输入以下公式，复制到C13单位格。
=AVERAGE(B2:B4)
此时C列所得的功效就是这组销售额以三个月为周期的移动平均值，个中最后一个单位格C13的移动平均值，就是下一个月的销售额预测值：

下图是某出产企业近一年的产量及其能耗数据，通过绘制X/Y散点图可以发明，产物和能耗两组数据根基泛起线性干系。

假设但愿依照线性干系做预测阐明，计较当产量到达2000时的能耗是几多，可以利用下面的公式：
=TREND(C2:C13,B2:B13,2000)
TREND函数语法为：

TREND(known_ y's，known_ x's，抖客教程网，new_ x's，const)

该函数用于返回一条线性回归拟合线的值。即找到适合已知数组 known_y’s 和 known_x’s 的直线，并返回指定命组 new_x’s 在直线上对应的 y 值。
个中第一参数是已知的方针值序列，第二参数是已知的变量值序列，第三参数是需要预测的方针值所对应的变量值。将数据表中的数据代入就可以通过线性拟合运算获得相应的预测值。
除了TREND函数，FORECAST函数也可以举办线性回归的预测，公式如下：
=FORECAST(2000,C2:C13,B2:B13)
FORECAST函数的语法，与TREND函数对比，只是在参数的排各位置上稍有区别：

FORECAST(x, known_y's, known_x's)

利用以上两条公式会返回同样的计较功效，产量到达2000时能耗为886.049。

下图显示了某国度近百年来人口数的增长记录，通过绘制柱形图并添加趋势线可以发明人口增长趋势根基切合指数增长的模子。

假定但愿依照指数回归预测的方式对其2020年的人口举办预测，可以利用下面的公式：
=GROWTH(B2:B11,A2:A11,2020)
公式运算功效为：22289.06
GROWTH函数可用于拟合通项公式为y=b*m^x的指数曲线，语法和TREND函数相似：

GROWTH(known_y's,known_x's,new_x's,const)

下图是某种药物测试数据，是药物浓度跟着时间变革、和相应的数据漫衍图表。

假设需要利用多项式曲线来对这组数据举办拟合……
首先，已知多项式曲线的通项公式为：
Y=m_0+m_1 x^1+m_2 x^2+m_3 x^3+⋯m_n x^n
个中n代表了多项式的阶数，m则暗示与每个x幂次相对应的系数。
然后，利用LINEST函数可以求得差异阶次的多项式方程中的系数m值，进而就可以获得多项式曲线的拟合方程。
LINEST函数语法如下：

LINEST(known_y's,known_x's,const,stats)