◆ 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