এক্সেলের লিনিয়ার ইন্টারপোলেশন | উদাহরণ সহ লিনিয়ার ইন্টারপোলেশন কীভাবে করবেন
এক্সেল লিনিয়ার ইন্টারপোলেশন
এক্সেলে লিনিয়ার বিভাজক অর্থ বর্তমান তথ্যগুলিতে প্রদত্ত যে কোনও নির্দিষ্ট ভেরিয়েবলের আসন্ন পরবর্তী মূল্য অনুমান করা বা অনুমান করা, এখানে আমরা একটি সরল রেখা তৈরি করি যা দুটি মানকে সংযুক্ত করে এবং আমরা এর মাধ্যমে ভবিষ্যতের মানটি অনুমান করি, এক্সেলে আমরা পূর্বাভাস ফাংশন এবং একটি চেহারা ব্যবহার করি লিনিয়ার ইন্টারপোলেশন করতে ফাংশন।
ইন্টারপোলেশন একটি গাণিতিক বা পরিসংখ্যানগত সরঞ্জাম যা একটি বক্ররেখা বা রেখার 2 পয়েন্টের মধ্যে মানের পূর্বাভাস দেওয়ার জন্য ব্যবহৃত হয়। এই সরঞ্জামটি কেবল পরিসংখ্যানগুলিতেই ব্যবহৃত হয় না তবে ব্যবসা, বিজ্ঞান ইত্যাদির মতো অন্যান্য ক্ষেত্রেও ব্যবহৃত হয় যেখানে যেখানে দুটি ডাটা পয়েন্টের মধ্যে মানের পূর্বাভাস দেওয়ার সুযোগ রয়েছে।
এক্সেলে লিনিয়ার ইন্টারপোলেশন কীভাবে করবেন?
আপনি এই লিনিয়ার ইন্টারপোলেশন এক্সেল টেম্পলেটটি এখানে ডাউনলোড করতে পারেন - লিনিয়ার ইন্টারপোলেশন এক্সেল টেম্পলেটউদাহরণ # 1
বিভিন্ন সময় অঞ্চলগুলির সময় আবহাওয়ার তাপমাত্রা জানতে ইন্টারপোলেশন সম্পাদন করছেন
প্রথমে, প্রতি ঘন্টা ধরে বেঙ্গালুরু অঞ্চলের তাপমাত্রার পরিসংখ্যানগুলি নামিয়ে রাখুন এবং ডেটা নিম্নরূপ হবে: -
তথ্যগুলি দেখায় যে আমরা কিছু তারিখের জন্য বেঙ্গালুরু অঞ্চলের তাপমাত্রার বিশদ পেয়েছি। পুরো সময় এবং ঘন্টা কলামের জন্য আমাদের সময়কালীন কলামটি আমরা দিন শুরু হওয়ার সময় থেকে 12:00 এএমের মতো 0 ঘন্টা, 1:00 এএমটি 1 ঘন্টা, এবং এর মতো ঘন্টাগুলির সংখ্যা উল্লেখ করেছি চালু.
এখন আমরা প্রয়োজনীয় সময় অঞ্চলটির জন্য তাপমাত্রা মানটি বের করতে যাতে তথ্যগুলি কেবল সঠিক সময়টিই নয়, সময় নির্ধারণের জন্য ডেটার জন্য ইন্টারপোলেশন সম্পাদন করতে যাচ্ছি।
ইন্টারপোলেশন সঞ্চালনের জন্য, আমাদের এক্সেলের কয়েকটি ফর্মুলা যেমন ফররেস্ট, অফসেট, ম্যাচ ব্যবহার করতে হবে। আমাদের এগিয়ে যাওয়ার আগে আসুন এই সূত্রগুলির সংক্ষিপ্ত বিবরণে দেখি।
পূর্বে () - এই পূর্বাভাস এক্সেল ফাংশন একটি লিনিয়ার ট্রেন্ড সহ বিদ্যমান মানগুলির উপর ভিত্তি করে ভবিষ্যতের মান গণনা করে বা ভবিষ্যদ্বাণী করে।
- এক্স - এটি সেই মান যা আমরা ভবিষ্যদ্বাণী করতে চাই।
- জ্ঞাত_স - এটি ডেটা থেকে নির্ভরযোগ্য মান এবং একটি বাধ্যতামূলক ক্ষেত্র পূরণ করতে হবে
- জ্ঞাত_একএস - এটি ডেটা থেকে স্বাধীন মান এবং একটি বাধ্যতামূলক ক্ষেত্র পূরণ করতে হবে।
ম্যাচ() - এই ম্যাচ এক্সেল ফাংশনটি একটি সারি, কলাম বা সারণিতে সন্ধানের মানটির আপেক্ষিক অবস্থানটি নির্দিষ্ট ক্রমে নির্দিষ্ট মানটির সাথে মিলিয়ে দেবে।
- দেখার মূল্য - এই মানটি যা লুকোচিং_রে থেকে মিলানো দরকার
- চেহারা_আররে - এটি অনুসন্ধানের পরিসীমা
[ম্যাচ_প্রকার] - এটি 1,0, -1 হতে পারে। ডিফল্টটি ১ হবে 1 এর জন্য - মিলটি সর্বাধিক মানটি দেখতে পাবে যা দেখতে_রূপ মানের চেয়ে কম বা সমান এবং মানটি আরোহী ক্রমে হওয়া উচিত। 0 এর জন্য - মিলটি প্রথম মানটিকে ঠিক_ লুকোচুরি_র সমান হিসাবে সন্ধান করে এবং বাছাই করার দরকার নেই। -1 এর জন্য - মিলটি সবচেয়ে ক্ষুদ্রতম মানটি খুঁজে বার করবে যা দেখতে_রূপ মানের চেয়ে বড় বা সমান এবং অবতরণ অনুসারে বাছাই করা উচিত।
অফসেট () - এই অফসেট ফাংশনটি এমন কোনও ঘর বা কক্ষের পরিসর প্রদান করবে যা সারি এবং কলামগুলির নির্দিষ্ট নম্বর। আমাদের নির্দিষ্ট করা সারি এবং কলামগুলির ঘর বা কক্ষের পরিসর উচ্চতা এবং প্রস্থের উপর নির্ভর করবে।
- রেফারেন্স - এটি সূচনা পয়েন্ট যেখানে থেকে সারি এবং কলামগুলির গণনা করা হবে।
- সারি - শুরুর রেফারেন্স সেলের নীচে সারিগুলি অফসেট করার জন্য নয়।
- কলাম - আরম্ভের রেফারেন্স সেল থেকে কলামগুলি অফসেট করার জন্য।
- [উচ্চতা] - ফিরে আসা রেফারেন্স থেকে সারিতে উচ্চতা এটি alচ্ছিক।
- [প্রস্থ] - ফিরে আসা রেফারেন্স থেকে কলামগুলিতে প্রস্থ। এটি alচ্ছিক।
যেহেতু আমরা সূত্রগুলি সংক্ষেপে দেখেছি যে আমরা ইন্টারপোলেশনটি ব্যবহার করতে যাচ্ছি। এখন আসুন নীচের মতো দ্রবীভূত করা:
একটি ঘরে কোনও সূত্র টাইপ করুন যা আমাদের বিভিন্ন সময় অঞ্চলের জন্য তাপমাত্রা দেখতে প্রয়োজন। এটি জানায় যে আমাদের এমন সেলটি নির্বাচন করতে হবে যা পূর্বাভাসের প্রয়োজন এবং অফসেট এবং ম্যাচ ফাংশনটি ज्ञात_স এবং জ্ঞাত_এক্সগুলি নির্বাচন করতে ব্যবহৃত হবে।
পূর্বে ($ এফ $ 5 - পূর্বাভাসের জন্য সময় অঞ্চল রয়েছে এমন ঘর নির্বাচন করুন।
অফসেট ($ সি $ 3: $ সি $ 26, ম্যাচ ($ এফ $ 5, $ বি $ 3: $ বি $ 26,1) -1,0,2) - রেফারেন্স হিসাবে টেম্প কলাম নেওয়া হয় বলে এটি ज्ञात_গুলিকে নির্বাচন করতে ব্যবহৃত হয় কারণ এগুলি নির্ভরযোগ্য মান। ম্যাচের ফাংশনটি এমন মানটির অবস্থান তৈরি করতে ব্যবহৃত হয় যা আমাদের পূর্বাভাস এবং সারিগুলির সংখ্যা গণনা করতে হবে। কলামগুলি 0 হওয়া উচিত কারণ আমরা একই কলামের উপর নির্ভরশীল মান চাই যা নির্বাচিত এবং উচ্চতা 2 হয় কারণ আমাদের শেষ 2 টি মানের উপর ভিত্তি করে পূর্বাভাসটি সম্পাদন করা প্রয়োজন।
অফসেট ($ বি $ 3: $ বি $ 26, ম্যাচ ($ এফ $ 5, $ বি $ 3: $ বি $ 26,1) -1,0,2) - রেফারেন্সটি আওয়ার কলাম হিসাবে নেওয়া হয় বলে পরিচিত_এক্সগুলি নির্বাচন করতে এটি ব্যবহার করা হয় কারণ এগুলি স্বতন্ত্র মান এবং বাকীটি সারি গণনার জন্য আমরা যেমন করেছিলাম তেমনই।
সেলটিতে আমরা পূর্বাভাসের জন্য বিবেচনা করেছিলাম এমন কিছু সময় অঞ্চল দিন। এখানে প্রবেশ করা মান 19.5 যা 7:30 অপরাহ্ন হয় এবং আমরা 30 টি তাপমাত্রা পাই যা প্রতি ঘন্টার ভিত্তিতে প্রদত্ত তাপমাত্রার মানগুলি থেকে পূর্বাভাস করা হয়।
একইভাবে, আমরা এই সূত্র থেকে বিভিন্ন সময় অঞ্চলের জন্য অস্থায়ী পরিসংখ্যান দেখতে পারি।
উদাহরণ # 2
2018 সালে কোনও সংস্থার বিক্রয় জানতে লিনিয়ার ইন্টারপোলেশন সম্পাদন করা হচ্ছে
আসুন ধরে নেওয়া যাক আমরা নীচে হিসাবে 2018 সালে কোনও সংস্থার বিক্রয়ের বিবরণ পেয়েছি। আমাদের দিনের সাথে ডেটা এবং ক্রমহ্রাসে তাদের বিক্রয় রয়েছে। আমরা বছরের প্রথম 15 দিনের মধ্যে 7844 ইউনিট, বছরের 50 দিনের মধ্যে 16094 ইউনিট বিক্রয় পেয়েছি।
আমরা বিভিন্ন সূত্র ধরে বিক্রয় ব্যবস্থার পূর্বাভাস দেওয়ার জন্য একই সূত্রটি ব্যবহার করতে পারি যা আমরা বিবেচনা করি এমন ডেটাতে উল্লেখ করা হয়নি। এখানে বিক্রয় একটি সরলরেখায় রয়েছে (লিনিয়ার) যেহেতু আমরা ক্রমবর্ধমানভাবে নিয়েছি।
আমরা যদি 215 দিনের মধ্যে যে বিক্রয় বিক্রয় অর্জন করেছি তা যদি আমরা দেখতে চাই তবে প্রদত্ত বিক্রয় ডেটা বিবেচনা করে আমরা 215 দিনের জন্য বিক্রয়ের পূর্বাভাসের সংখ্যাটি পেতে পারি।
একইভাবে, প্রদত্ত পয়েন্টগুলির মধ্যে পূর্বাভাস দিয়ে আমরা সেই বছরে বিক্রয় সংখ্যা জানতে পারি।
মনে রাখার মতো ঘটনা
- এটি সর্বনিম্ন সঠিক পদ্ধতি তবে টেবিলের মানগুলি যদি খুব কাছের ব্যবধানে থাকে তবে এটি দ্রুত এবং নির্ভুল।
- এটি কোনও ভৌগলিক ডেটা পয়েন্ট, বৃষ্টিপাত, শব্দের মাত্রা ইত্যাদির জন্য মূল্য নির্ধারণেও ব্যবহার করা যেতে পারে
- এটি ব্যবহার করা খুব সহজ এবং অ-রৈখিক ক্রিয়াকলাপগুলির জন্য খুব সঠিক নয়।
- এক্সেল লিনিয়ার ইন্টারপোলেশন ছাড়াও আমাদের বিভিন্ন ধরণের পদ্ধতি রয়েছে যেমন পলিনমিয়াল ইন্টারপোলেশন, স্প্লাইন ইন্টারপোলেশন ইত্যাদি have
