Корисні логарифмічні шкали коли дані, які ви відображаєте, набагато менші або набагато більші за решту даних або коли відсоткові відмінності між значеннями важливі. Ви можете вказати, чи використовувати логарифмічну шкалу, якщо значення на діаграмі покривають дуже великий діапазон.
Є дві основні переваги: лінеаризація та простота обчислень / порівняння, перший з яких зв’язується з другим.
Логарифмічні шкали корисні для кількісне визначення відносної зміни значення на відміну від його абсолютної різниці. Крім того, оскільки логарифмічна функція log(x) зростає дуже повільно для великих x, логарифмічні масштаби використовуються для стиснення великомасштабних наукових даних.
Шкали логарифмів, як правило, точніші для довгострокових змін цін, оскільки протягом більш тривалого періоду відбувається більше цінових коливань і в цьому випадку легше оцінити відсоткові рухи, а не постійні рухи, як видно на лінійних шкалах.
Масштабування — це визначення валового і нетто-об’єму колод. Основною метою масштабування є щоб визначити обсяг продукту або виду, який буде стягуватися за заздалегідь визначеною ставкою, також відомий як "масштабування для оплати".
Логарифмічні шкали є корисно, коли дані, які ви відображаєте, набагато менші або набагато більші за решту даних або коли важлива відсоткова різниця між значеннями. Ви можете вказати, чи використовувати логарифмічну шкалу, якщо значення на діаграмі покривають дуже великий діапазон.
