אילו אנליטיקס סטטיסטיים אני יכול להוסיף להמחשות גרפיות?

תחזית

פונקציית התחזית משתמשת ברגרסיה לינארית כדי לחזות ערכים עתידיים בהתבסס על ערכים קיימים יחד במגמה לינארית.

תוכל להגדיר תקופות זמן עתידיות כדי לחזות ערך המבוסס על סדרת הזמן בנתונים שלך. ראה הוסף תחזית להמחשה גרפית.

Oracle תומכת בסוגי מודל תחזית אלו:

• Auto-Regressive Integrated Moving הממוצע (ARIMA) - סוג זה מתאים אם נתוני סדרת הזמן שלך אינם עונתיים אך מספקים מספיק תצפיות (לפחות 50, אך רצוי יותר מ-100) כדי להסביר ולצפות בעתיד.
• ארימה עונתית - סוג זה מתאים אם לנתונים שלך יש דפוס קבוע של שינויים החוזרים על עצמם לאורך תקופות זמן. לדוגמה, עונתיות בנתונים חודשיים עשויה להיות כאשר ערכים גבוהים מתרחשים במהלך חודשי הקיץ וערכים נמוכים מתרחשים במהלך חודשי החורף.
• החלקה משולשת מעריכית (ETS) - סוג זה מתאים לניתוח נתוני סדרות זמן חזרתיות שאין להם תבנית ברורה. סוג זה של מודל מייצר ממוצע נע מעריכי שלוקח בחשבון את הנטייה של נתונים לחזור על עצמם במרווחים לאורך זמן.
• נביא - סוג זה מתאים אם סל הנתונים שלך מכסה תקופות זמן ארוכות, יש לו עונות חזקות רבות, כולל אירועים חריגים שהיו ידועים בעבר, חסר נקודות נתונים או שיש לו חריגים חשודי טעות גדולים.

תוכל גם ליצור חישוב מותאם אישית באמצעות הפונקציה FORECAST כך שתהיה לך יותר שליטה על ההגדרות, אם אם אם תרצה להשתמש בתחזית בהמחשות גרפיות אחרות. ראה פונקציות אנליטיות.

אשכולות

פונקציית האשכול מקבצת סל של אובייקטים באופן שהאובייקטים באותה הקבוצה מציגים יותר קוהרנטיות וקרבה זה לזה מאשר לאובייקטים בקבוצות אחרות. לדוגמה, אתה יכול להשתמש בצבעים בתרשים גרף פיזור כדי להציג אשכולות של קבוצות שונות. ראה צור אשכול או חריג בהמחשה גרפית.

• קיבוץ אשכולות K-Means - השתמש כדי לחצוץ תצפיות "n" לאשכולות "k" שבו התצפית שייכת לאשכול בעל הממוצע הקרוב ביותר, המשמש כאב טיפוס של האשכול.
• קיבוץ אשכולות היררכי - השתמש ליצירת היררכיה של אשכולות שנבנו באמצעות גישה אגלומרטיבית (מטה-מעלה), או גישה מפלגת (מעלה-מטה).

תוכל גם ליצור חישוב מותאם אישית באמצעות הפונקציה CLUSTER כך שתהיה לך יותר שליטה על ההגדרות, אם אם אם תרצה להשתמש באשכול בהמחשות גרפיות אחרות. ראה פונקציות אנליטיות.

חריגים חשודי טעות

פונקציית החריגים חודשי טעות מציגה רשומות נתונים הממוקמות הכי רחוק מהציפיות הממוצעות של ערכים בודדים. לדוגמה, ערכים קיצוניים חורגים ביותר מתצפיות אחרות נכנסים לקטגוריה זו. חריגים חשודי טעות יכולים להצביע על שונות במדידה, שגיאות ניסיוניות או חידוש. אם תוסיף חריגים חשודי טעות לתרשים שכבר יש לו אשכולות, אז החריגים חשודי טעות יתוארו כצורות שונות.

חריגים חשודי טעות יכולים להשתמש בקיבוץ באשכולות K-means או בקיבוץ באשכולות היררכי. ראה צור אשכול או חריג בהמחשה גרפית.

תוכל גם ליצור חישוב מותאם אישית באמצעות הפונקציה OUTLIER כך שתהיה לך יותר שליטה על ההגדרות, או אם תרצה להשתמש בחריג חשוד טעות בהמחשות גרפיות אחרות. ראה פונקציות אנליטיות.

קווי ייחוס

פונקציית קווי הייחוס מגדירה שורות אופקיות או אנכיות בתרשים שמתאימות לערכי ציר ה-X או ציר ה-Y. ראה הוסף קו ייחוס להמחשה גרפית.

• קו - אתה יכול לבחור לחשב את השורה בין הממוצע, המינימום או המקסימום. לדוגמה, בענף התעופה, אם שיעור הנוסעים מתוכנן כנגד זמן, קו הייחוס יכול להציג אם שיעור הנוסעים לחודש מסוים הוא מעל או מתחת לממוצע.
• רצועה - רצועה מייצגת טווח עליון ותחתון של נקודות נתונים. אתה יכול לבחור אפשרות מותאמת אישית או פונקציית סטיית תקן, ובין הממוצע, המינימום או המקסימום. לדוגמה, אם אתה מנתח מכירות לפי חודש ואתה משתמש ברצועת ייחוס מותאמת אישית מממוצע למקסימום, אתה יכול לזהות חודשים בהם מכירות הן מעל הממוצע, אך מתחת למקסימום.

קווי מגמה

פונקציית קו המגמה מציין את הכיוון הכללי של המדד המדובר. קו מגמה הוא קו ישר המחבר מספר נקודות על גרף. קו מגמה מסייע לך לנתח כיוון ספציפי של קבוצת סלי ערכים בהמחשה גרפית. ראה הוסף אנליטיקס סטטיסטיים להמחשות גרפיות.

• לינארי - השתמש עם ערכים לינאריים. הנתונים שלך ליניאריים אם הדפוס בנקודות הנתונים שלהם דומה לקו. קו מגמה ליניארי מראה לך שהמדד שלך עולה או יורד בקצב קבוע.
• פולינומיאלי - השתמש בקו מעוקל זה כאשר הנתונים משתנים. הוא שימוש, לדוגמה, לניתוח רווחים והפסדים בסל נתונים גדול.
• מעריכי - השתמש בקו מעוקל זה כאשר ערכי הנתונים עולים או יורדים בקצב גבוה יותר ויותר. אי אפשר ליצור קו מגמה מעריכי אם הנתונים שלך מכילים ערכי אפס או ערכים שליליים.

תוכל גם ליצור חישוב מותאם אישית באמצעות הפונקציה TRENDLINE כך שתהיה לך יותר שליטה על ההגדרות, או אם תרצה להשתמש בקו המגמה בהמחשות גרפיות אחרות. ראה פונקציות אנליטיות.