◆ 测试逐步进行，数据增加到39个时进行预测，如图4

　　选择数据个数39是因为这是Logistic模型拐点的位置。经过计算，45个数据时，样本数据累积值是763，之前计算出的K值再次证明不符合趋势。从图4中可以看出，Gompertz模型预测出预测值为1074.0，Logistic模型预测出的K值为707.9，这意味着样本的趋近值为1074.0或707.9，即到100个数据时，应当发现1074.0或707.9个缺陷。这时的Gompertz模型和Logistic模型差异较大，从各个拟合度指标来看，依然是Gompertz模型更好。

图4 39个样本数据时的预测图

图5 全部样本数据计算得到的预测图

　　◆ 测试逐步进行，数据增加到78、也是全部的样本数据，如图5

　　经过计算，全部样本数据的累积值是1123，之前测试出的K值（1167.1或976.3）中的1167.1可能符合趋势，但仍然需要进行预测验证。从图5中可以看出，Gompertz模型预测出预测值为1169，Logistic模型预测出的K值为1083.2，由于Logistic模型预测出的K值在多次实验中都小于样本累积值，可以判断出Logistic模型并不符合给定样本的趋势，这也意味着样本的趋近值为Gompertz模型预测得到的K值，即1169，即到100个数据时应当发现1169个缺陷。

　　由此可见，K值的变化趋势经历了不断增长的一个过程，从不断增加，到趋于稳定，如图6，此时的K的变化情况近似于指数曲线。

图6 渐近值K的变化趋势