Сводные таблицы Excel. Часть 2. Учебное пособие. Валентин Юльевич Арьков

при «иксе» содержит всего два значащих разряда. Нули перед ними не дают особой точности. А вот свободный член уравнения даёт пять значащих разрядов. Исправить вид графика будет довольно сложно.

      Мы пойдём другим путём. Вызовем надстройку «Анализ данных» (рис. 4.17) и попросим построить нам уравнение регрессии:

      Data – Analysis – Data Analysis – Regression.

      Что это такое и как это работает – мы разбирали в одной из предыдущих работ [2].

      Появляется диалоговое окно

      Regression.

      Указываем диапазоны ячеек для «игреков» и для «иксов»:

      – Input Y Range;

      – Input X Range.

      Чтобы всё запутать, вначале нас просят ввести «игреки». Но мы не поддаёмся на провокации и делаем всё правильно.

      Ещё нужно указать, куда выводить результаты анализа. Указываем на свободное место.

      Нажимаем ОК.

      Рис. 4.17. Построение регрессии

      Задание. Вызовите надстройку «Анализ данных» и выберите построение регрессии.

      Рассмотрим результаты регрессионного анализа (рис. 4.18).

      Среди большого количества цифр нас будет интересовать раздел с коэффициентами. Напомним, кто есть кто:

      Intercept – свободный член уравнения

      X Variable 1 – коэффициент регрессии, то есть коэффициент при «иксе». В нашем случае, при переменной t, которая обозначает время, номер дня.

      Теперь можем записать наше уравнение тренда более точно. Оставляем по пять значащих разрядов в каждом коэффициенте:

      y = —116,25 +0,0027435 t.

      Последний разряд округляем.

      Обратите внимание, как выглядят ЗНАЧАЩИЕ ЦИФРЫ. Перед ними и после них может быть много нулей, которые могут и не содержать полезной информации.

      Кстати, это пример ситуации, когда ДАННЫЕ и ИНФОРМАЦИЯ – не одно и то же. Много данных в виде цифр – это не обязательно много полезной информации. Это просто цифры. А информация должна быть ПОЛЕЗНОЙ для дела.

      Рис. 4.18. Результаты регрессионного анализа

      Задание. Запишите уравнение тренда с точностью до пяти значащих цифр.

      4.5. Сезонные колебания цен

      Сезонные колебания – это изменения с периодом в один год. То есть двенадцать месяцев, или примерно 365 дней. Сезон – это времена года и всё, что с ними связано.

      Причина сезонных колебаний цен – это изменение количества товаров, которое предлагается на рынке. В экономике это называется ПРЕДЛОЖЕНИЕ. Понятно, что сразу после сбора урожая сельскохозяйственной продукции много, и цены обычно снижаются. А вот когда запасы подходят к концу, цена может вырасти. Эта картина повторяется каждый год.

      Мы будем моделировать сезонные колебания цен в диапазоне плюс-минус 10% от среднего значения цены. Пусть все цены достигают минимального значения в октябре каждого года. И пусть они меняются по синусоиде.

      Пусть минимум будет 1 октября 2018 года. Находим порядковый номер этого дня, как мы уже проделали в предыдущем разделе (рис. 4.19). Получаем число

      t (min) = 43104.

      Это не наименьшее время.

      Это день, когда цены минимальные.

      Рис.