Deskripsi
Mengembalikan kemiringan garis regresi linear melalui titik data dalam known_y's dan known_x's. Kemiringan adalah jarak vertikal dibagi dengan jarak horizontal di antara dua titik pada garis, yang merupakan tingkat perubahan di sepanjang garis regresi.
Sintaks
SLOPE(known_y's,
known_x's)
Sintaks
fungsi SLOPE memiliki argumen berikut:
§ Known_y's Diperlukan.
Array atau rentang sel dari titik data yang bergantung pada angka.
§ Known_x's Diperlukan.
Kumpulan titik data independen.
Keterangan
§ Argumen harus
merupakan angka atau nama, array, atau referensi yang mengandung angka.
§ Jika argumen
array atau referensi berisi teks, nilai logika, atau sel kosong, nilai tersebut
diabaikan; namun, sel dengan nilai nol akan disertakan.
§ Jika known_y's
dan known_x's kosong atau memiliki jumlah titik data yang berbeda, SLOPE
mengembalikan nilai kesalahan #N/A.
§ Persamaan untuk
kemiringan garis regresi adalah:
di mana x dan y adalah sampel berarti AVERAGE(known_x’s) dan
AVERAGE(known_y’s).
§ Algoritma yang
mendasari yang digunakan di fungsi SLOPE dan INTERCEPT berbeda dengan algoritma
yang digunakan di fungsi LINEST. Perbedaan antara algoritma ini dapat mengarah
ke hasil yang berbeda ketika data tidak ditentukan dan kolinear. Misalnya, jika
titik data argumen known_y's adalah 0 dan titik data argumen known_x's adalah
1:
§ KEMIRINGAN dan
MENCEGAT mengembalikan #DIV/0! . Algoritma KEMIRINGAN dan MENCEGAT dirancang
untuk mencari satu dan hanya satu jawaban, dan dalam kasus ini, ada lebih dari
satu jawaban.
§ LINEST
mengembalikan sebuah nilai 0. Algoritma LINEST dirancang untuk mengembalikan
hasil yang masuk akal untuk data kolinear, dan dalam hal ini setidaknya satu
jawaban dapat ditemukan.
Contoh
https://alfizar2.blogspot.com/
|
Ingat: , . ; dan : |
Sumber
Thanks for reading Fungsi SLOPE. Please share...!
