DataFitting
| ვერსია | 1.7.53 |
|---|---|
| გამომცემელი | Institute of Mathematics and Statistics |
| Გამოშვების თარიღი | 21 ივნ. 2020 |
| Თარიღი დამატებულია | 21 ივნ. 2020 |
| მოთხოვნები | Windows 10, Windows 8, Windows Vista, Windows, Windows 7, Windows XP |
| მოთხოვნები | None |
| სულ ჩამოტვირთვების | 2 322 |
| ფასი | Free to try |
აღწერა
DataFitting არის სტატისტიკური ანალიზის მძლავრი პროგრამა, რომელიც ახორციელებს წრფივ და არაწრფივ რეგრესიულ ანალიზს (ანუ მრუდის მორგება). DataFitting განსაზღვრავს იმ განტოლების პარამეტრების მნიშვნელობებს, რომლის ფორმაც თქვენ მიუთითებთ, რაც განაპირობებს განტოლებას საუკეთესოდ მოერგოს მონაცემთა მნიშვნელობების კომპლექტს. DataFitting-ს შეუძლია გაუმკლავდეს წრფივ, პოლინომიურ, ექსპონენციალურ და ზოგად არაწრფივ ფუნქციებს.
DataFitting ახორციელებს ჭეშმარიტ არაწრფივ რეგრესიულ ანალიზს, ის არ გარდაქმნის ფუნქციას ხაზოვან ფორმად. შედეგად, მას შეუძლია გაუმკლავდეს ფუნქციებს, რომელთა ხაზოვანი მოწყობა შეუძლებელია, როგორიცაა:
y=(a - c) * exp(-b * x) + c.
სწრაფად იპოვნეთ საუკეთესო განტოლებები, რომლებიც აღწერს თქვენს მონაცემებს:
DataFitting აძლევს სტუდენტებს, მასწავლებლებს, ინჟინერებს, მკვლევარებს და სხვა პროფესიონალებს უფლებას იპოვონ იდეალური მოდელი ყველაზე რთული მონაცემებისთვისაც კი, დიდი რაოდენობით განტოლებების ხელზე დაყენებით. მას აქვს ჩაშენებული ბიბლიოთეკა, რომელიც მოიცავს ხაზოვანი და არაწრფივი მოდელების ფართო სპექტრს მარტივი წრფივი განტოლებებიდან მაღალი რიგის პოლინომებამდე.
Curve Fit-ის შედეგების გრაფიკული მიმოხილვა:
თქვენი მონაცემების მორგების შემდეგ, DataFitting ავტომატურად ახარისხებს და აწყობს დაყენებულ განტოლებებს სტანდარტული შეცდომის სტატისტიკური კრიტერიუმებით. შეგიძლიათ წინასწარ დაათვალიეროთ თქვენი გრაფიკი და გამომავალი პუბლიკაციის ხარისხის გრაფიკები რამდენიმე სხვადასხვა კონფიგურაციაში. ნარჩენი გრაფიკი და პარამეტრის გამომავალი გენერირებულია არჩეული დამონტაჟებული განტოლებისთვის. მონაცემები, სტატისტიკური და რიცხვითი შეჯამებები ასევე ხელმისაწვდომია ანგარიშ-პანელის შიგნიდან.
DataFitting-ს აქვს შემდეგი შესაძლებლობები:
38-ციფრიანი ზუსტი მათემატიკის ემულატორი მაღალი რიგის პოლინომებისა და რაციონალებისთვის სათანადოდ დასაყენებლად.
არაწრფივი მორგების მძლავრი დაყენების შესაძლებლობა, რომელიც ეფექტურად უმკლავდება შორეულ და ფართო დინამიურ Y მონაცემთა დიაპაზონს.
ძირითადი დეტალები
- შეასრულეთ რეგრესიული ანალიზი პარამეტრების მნიშვნელობების შესაფასებლად
- ბოლოს განახლდა 06/21/20
- იყო 1 განახლება ბოლო 6 თვის განმავლობაში
- მიმდინარე ვერსიას აქვს 2 დროშა VirusTotal-ზე