Milyen statisztikai elemzéseket adhatok hozzá az ábrázolásokhoz?

Előrejelzés

Az előrejelzés függvény lineáris regressziót használ a jövőbeni értékek előrejelzésére a meglévő értékek alapján, egy lineáris trend mentén.

Jövőbeli időszakokat állíthat be egy érték előrejelzéséhez az adatok idősorai alapján. Lásd: Előrejelzés hozzáadása ábrázoláshoz.

Az Oracle az alábbi előrejelzőmodell-típusokat támogatja:

• Auto-Regressive Integrated Moving Average (ARIMA) – Ez a típus akkor megfelelő, ha a korábbi idősoradat nem szezonális, de elég megfigyelést biztosít (legalább 50, de lehetőleg több mint 100 megfigyelést) a jövő megértéséhez és megtervezéséhez.
• Seasonal ARIMA – Ez a típus akkor megfelelő, ha az adatai normál változási mintával rendelkeznek, amelyek időszakonként ismétlődnek. A havi adatok szezonalitása például akkor fordul elő, ha a nyári hónapok alatt magas értékek, téli hónapok alatt pedig alacsony értékek fordulnak elő.
• Exponential Triple Smoothing (ETS) – Ez a típus alkalmas olyan ismétlődő idősoradatok elemzésére, amelyek nem rendelkeznek egyértelmű mintával. Ez a modelltípus exponenciális mozgóátlagot hoz létre, amely figyelembe veszi az adatok önismétlésének tendenciáját időközönként, idő függvényében.
• Prophet – Ez a típus akkor megfelelő, ha az adatkészlet hosszabb időszakokat fed le, több erős szezonalitással rendelkezik, korábban ismert szabálytalan eseményeket tartalmaz, hiányzó adatpontokkal rendelkezik, vagy nagy kiugró értékekkel rendelkezik.

Létrehozhat egy egyedi számítást is a FORECAST függvény használatával, ha jobban szeretné szabályozni a beállításokat, vagy ha egyéb megjelenítésekben szeretné használni az előrejelzést. Lásd: Elemzési függvények.

Fürtök

A klaszterfüggvény egy objektumkészletet olyan módon csoportosít, hogy az azonos csoportba tartozó objektumok nagyobb koherenciát és közelséget mutatnak egymáshoz, mint egyéb csoportok objektumai. Például színeket is használhat egy szórásdiagramban a különböző csoportok klasztereinek megjelenítéséhez. Lásd: Fürt vagy kiugró érték létrehozása.

• K-közép klaszterezés - Használja "n" megfigyelés "k" fürtbe való szétosztására úgy, hogy mindegyik megfigyelés a hozzá legközelebbi középértékkel rendelkező csoporthoz tartozik.
• Hierarchikus fürtözés - Használja hierarchikus fürtözés létrehozására összegyűjtő (alulról-felfele) vagy megosztó (felülről-lefele) megközelítés használatával.

Létrehozhat egy egyedi számítást is a CLUSTER függvény használatával, ha jobban szeretné szabályozni a beállításokat, vagy ha egyéb megjelenítésekben szeretné használni a fürtözést. Lásd: Elemzési függvények.

Kiugró értékek

A kiugró értékek függvénye azokat az adatrekordokat jeleníti meg, amelyek a legtávolabb helyezkednek el az egyes értékekre vonatkozó átlagos várakozásoktól. Például az egyéb megfigyelésektől leginkább eltérő extrém értékek tartoznak ebbe a kategóriába. A kiugró értékek a mérés szóródását, kísérleti hibákat vagy egy újdonságot jelölnek. Ha kiugró értékeket ad egy olyan diagramhoz, amely már rendelkezik fürtözéssel, a kiugró értékek különböző formákkal lesznek ábrázolva.

A kiugró értékek K-közép klaszterezést vagy hierarchikus klaszterezést használhatnak. Lásd: Fürt vagy kiugró érték létrehozása.

Létrehozhat egy egyedi számítást is az OUTLIER függvény használatával, ha jobban szeretné szabályozni a beállításokat, vagy ha egyéb megjelenítésekben szeretné használni a kiugró értéket. Lásd: Elemzési függvények.

Referenciavonalak

A referenciavonalak függvénye horizontális vagy vertikális sorokat határoz meg egy diagramban, amelyek összhangban vannak az X- vagy Y-tengely értékeivel. Lásd: Referenciavonal hozzáadása ábrázoláshoz.

• Sor - A sort az átlag, minimum vagy maximum között is kiszámíthatja. A repülőgépiparban például, ha az utasforgalmat az idő függvényében ábrázolják, a hivatkozási sor megmutatja, hogy egy adott hónapban az utasforgalom átlag feletti vagy alatti volt.
• Sáv - A sáv az adatpontok alsó és felső tartományát ábrázolja. Választhat egyéni beállítást vagy egy szórásfüggvényt, valamint az átlag, maximum és minimum lehetőségeket. Ha például havi lebontásban elemzi a forgalmat, és egy egyéni hivatkozási sávot használ az átlag és a maximum között, azonosíthatja azokat a hónapokat, amelyekben a forgalom átlag feletti, de a maximum alatti volt.

Trendvonalak

A trendvonal függvény jelzi a szóban forgó mérőszám általános alakulását. A trendvonal egy egyenes vonal, amely pontokat köt össze egy diagramon. A trendvonal segítségével elemezheti az értékkészletek egy csoportjának adott irányát egy megjelenítésben. Lásd: Statisztikai elemzések hozzáadása ábrázolásokhoz.

• Lineáris – Lineáris adatokkal használja. Az adatok akkor lineárisak, ha az adatpontok mintája egy vonalra hasonlít. Egy lineáris trendvonal azt mutatja, hogy a mutatószám nő vagy csökken egyenletes sebességgel.
• Polinomiális - Akkor használja ezt a görbe vonalat, ha az adatok változóak. Alkalmas például nyereség és veszteség elemzésére egy nagy adatkészletben.
• Exponenciális - Akkor használja ezt a görbe vonalat, ha az adatértékek egyre nagyobb mértékben emelkednek vagy csökkennek. Nem tud exponenciális trendvonalat létrehozni, ha az adatai nullát vagy negatív értékeket tartalmaznak.

Létrehozhat egy egyedi számítást is a TRENDLINE függvény használatával, ha jobban szeretné szabályozni a beállításokat, vagy ha egyéb ábrázolásokban szeretné használni a trendvonalat. Lásd: Elemzési függvények.