◆ 測試逐步進行，數(shù)據(jù)增加到39個時進行預測，如圖4

　　選擇數(shù)據(jù)個數(shù)39是因為這是Logistic模型拐點的位置。經(jīng)過計算，45個數(shù)據(jù)時，樣本數(shù)據(jù)累積值是763，之前計算出的K值再次證明不符合趨勢。從圖4中可以看出，Gompertz模型預測出預測值為1074.0，Logistic模型預測出的K值為707.9，這意味著樣本的趨近值為1074.0或707.9，即到100個數(shù)據(jù)時，應當發(fā)現(xiàn)1074.0或707.9個缺陷。這時的Gompertz模型和Logistic模型差異較大，從各個擬合度指標來看，依然是Gompertz模型更好。

圖4 39個樣本數(shù)據(jù)時的預測圖

圖5 全部樣本數(shù)據(jù)計算得到的預測圖

　　◆ 測試逐步進行，數(shù)據(jù)增加到78、也是全部的樣本數(shù)據(jù)，如圖5

　　經(jīng)過計算，全部樣本數(shù)據(jù)的累積值是1123，之前測試出的K值（1167.1或976.3）中的1167.1可能符合趨勢，但仍然需要進行預測驗證。從圖5中可以看出，Gompertz模型預測出預測值為1169，Logistic模型預測出的K值為1083.2，由于Logistic模型預測出的K值在多次實驗中都小于樣本累積值，可以判斷出Logistic模型并不符合給定樣本的趨勢，這也意味著樣本的趨近值為Gompertz模型預測得到的K值，即1169，即到100個數(shù)據(jù)時應當發(fā)現(xiàn)1169個缺陷。

　　由此可見，K值的變化趨勢經(jīng)歷了不斷增長的一個過程，從不斷增加，到趨于穩(wěn)定，如圖6，此時的K的變化情況近似于指數(shù)曲線。

圖6 漸近值K的變化趨勢