მრუდის მორგება წრფივი და არაწრფივი რეგრესიის გამოყენებითმრავალჯერადი რეგრესიის კალკულატორი არის მრუდის მორგების ინსტრუმენტი გრაფიკული ამონახსნების მქონე განტოლებების გადასაჭრელად. ეს რეგრესიის გამოთვლის აპლიკაცია აშენებს მრუდს ან მათემატიკურ ფორმულას უმცირესი კვადრატის მეთოდების გამოყენებით. ის გეხმარებათ გრაფიკულ ხაზოვან განტოლებებში და არაწრფივ განტოლებებში ისწავლოთ სტატისტიკა და მრუდების ქცევა მონაცემთა წერტილების მოცემულ სერიაზე.
რეგრესია არის სასარგებლო სტატისტიკური ტექნიკა, რომელიც საშუალებას გაძლევთ შეაფასოთ და შეაფასოთ კავშირი დამოკიდებულ ცვლადსა და ერთ ან მეტ დამოუკიდებელ ცვლადს შორის. ამ მრუდის მორგების გრაფიკის კალკულატორს აქვს სტატისტიკის რეგრესიის სხვადასხვა მოდელები, რათა გადაჭრას გრაფიკის განტოლებები და სტატისტიკური პრობლემები რამდენიმე წამში.
არსებობს რეგრესიული ანალიზის სხვადასხვა მოდელები, როგორიცაა პოლინომიური, ექსპონენციალური, ნახევარგამოყოფის პერიოდი, რეციპროკული, გაუსიანი და ა.შ. თუმცა, ეს არის ინოვაციური გრაფიკის შედგენის აპლიკაცია მათემატიკის სტუდენტებისთვის, ინჟინრებისთვის, მანქანათმცოდნე პროგრამისტებისთვის და მონაცემთა მეცნიერებისთვის. გარდა ამისა, თქვენ შეგიძლიათ გამოიყენოთ ეს მრუდის გრაფიკის კალკულატორი მრავალ ენაზე, მათ შორის ინგლისურ, ესპანური, ფრანგული, იტალიური და გერმანული.
როგორ შეიყვანოთ მონაცემები:x=1,2,3,4. ან x=-1,-3,0.5,1
y=1,2,3,4 ან y=-1,-3,0.5,1
შეგიძლიათ გამოიყენოთ იმდენი x და y მნიშვნელობები, რამდენიც გსურთ (შეიყვანეთ შეუზღუდავი მონაცემთა რაოდენობა),
თქვენ შეგიძლიათ ნახოთ თქვენი მონაცემები, რათა აირჩიოთ შესაბამისი რეგრესიის მოდელი.
რეგრესიის მოდელებიმრავალჯერადი რეგრესიის კალკულატორი საშუალებას გაძლევთ შეასრულოთ სტატისტიკური ანალიზი ამ მოდელებისთვის
- ექსპონენციალური მოდელი (aebx)
- პოლინომიური მოდელი (a_n x^n+a_(n-1)+.....+a_0)
- Power x მოდელი (ab^x)
- Power b მოდელი (ax^b)
- ლოგარითმული მოდელი (log(x+b)+c)
- გაუსის მოდელი (ae^-(x-b)^2/(2c^2))
- ნახევარი ცხოვრების მოდელი (a+b/2^x)
- საპასუხო მოდელი (a+b/x)
- Michaelis მოდელი (ax/(x+b))
== მოერგოს თქვენს მონაცემთა კომპლექტსთუ გსურთ თქვენი მონაცემთა ბაზის მორგება ისეთ განტოლებებთან, როგორიცაა ექსპონენციალური, სიმძლავრე, ნახევარგამოყოფის პერიოდი, მაიკლის მენტენტი (პლატო) და გაუსის მრუდები, თქვენ უნდა მიაწოდოთ აპს x და y მონაცემთა ნაკრები, შემდეგ დააწკაპუნეთ შესაბამის ღილაკზე (ძაბვისთვის მრუდი, დააჭირეთ Power fit ღილაკს) (წრფივი რეგრესიის გრაფიკი, არაწრფივი რეგრესია, მრავალჯერადი წრფივი რეგრესია, პოლინომიური რეგრესია, კვადრატული რეგრესიის კალკულატორი). თუ გსურთ თქვენი მონაცემთა ნაკრების მორგება ხაზოვან ან პოლინომიურ მრუდზე, მაშინ თქვენ უნდა მიაწოდოთ აპლიკაციას მრავალწევრის ხარისხი; ხაზოვანი მრუდისთვის, ხარისხი არის
როგორ გამოვიყენოთ აპი?ატვირთვა: ატვირთვის ღილაკი საშუალებას გაძლევთ წაიკითხოთ თქვენი მონაცემების CSV ფაილები, რომლებიც ინახება თქვენს ტელეფონში ან SD ბარათის მეხსიერებაში. მონაცემები ჩაიწერება CSV ფაილის ფორმატში.
VIEW: როდესაც შეავსებთ x და y ველებს თქვენი მონაცემებით, დააწკაპუნეთ VIEW ღილაკზე, რათა ნახოთ კავშირი x და y მონაცემებს შორის.
აირჩიეთ მოდელი: მონაცემების ნახვის შემდეგ, აირჩიეთ შესაბამისი მოდელი, რომელიც შეიძლება მოერგოს თქვენს მონაცემებს მოდელების ხელმისაწვდომი სიიდან.
FIT: მას შემდეგ რაც შეარჩიეთ მოდელი ხელმისაწვდომი სიიდან, დააწკაპუნეთ FIT-ზე თქვენი მონაცემების არჩეულ მოდელზე მოსარგებად. ამის შემდეგ გადაგიყვანთ სხვა გვერდზე, სადაც დაინახავთ რეგრესიის მოდელს. ის აჩვენებს R-კვადრატის განსაზღვრის კოეფიციენტს.
თქვენ შეგიძლიათ შეაფასოთ დაყენებული მოდელი სხვადასხვა x მნიშვნელობებზე, ველის x შეყვანით და შემდეგ ღილაკზე Estimate დაწკაპუნებით, რათა ნახოთ შედეგი ye ველში.
შენახვა: დააჭირეთ შენახვის ღილაკს, რათა შეინახოთ თქვენი მონაცემები, მორგებული მოდელი, სავარაუდო მოდელი მოცემულ x მნიშვნელობებზე, CSV ან txt ფაილების სახით შენახული მოდელის შეცდომა, როგორც " model_regression.csv" ან "model_regression.txt" ავსებს საქაღალდეს სახელწოდებით curve_fitting_data
აპის მახასიათებლები:
- ინტერაქტიული და მომხმარებელზე ორიენტირებული ინტერფეისი
- აშენებს მრუდს ან მათემატიკურ ფუნქციას
- თქვენი მონაცემების იმპორტის ან ექსპორტის საშუალებას იძლევა
- გამოიყენეთ რეგრესიის უმცირესი კვადრატის მეთოდები
- სტატისტიკური კალკულატორი ინტუიციური ფუნქციონირებით
- მოიცავს მრავალ რეგრესიულ მოდელს განტოლებების ამოსახსნელად