Interpolation & Prediction
Enthält Werbung
1+
Downloads
Jedes Alter
info
Über diese App
Die Anwendung soll reale Funktionen aus einer einzelnen Variablen interpolieren. Funktionen sind eine Menge von Punkten (X, Y). Die folgenden Interpolationsmethoden können angewendet werden: Newtons, Aitkens, kubisches Hermite-Verfahren, Kardinal-Spline-Interpolation, Catmul-Rom-Spline, Kochanek-Bartls-Spline, lineare Interpolation und Nächste-Nachbarn-Interpolation.
Wenn es sich bei der Funktion um eine Zeitreihe handelt, können Methoden zur Vorhersage und Berechnung der Autokorrelation angewendet werden, um interne Zyklen zu erkennen.
Die folgenden Methoden zur statistischen Vorhersage werden angewendet: ein exponentiell gewichteter gleitender Durchschnitt; - einfacher gleitender Durchschnitt; - lineares exponentielles Wägen; - Holts lineare exponentielle Glättung; und ein zusätzlicher Verlangsamungstrend. Der Mittelwert und die Standardabweichung der Prognosefehler werden berechnet.
Die Funktionen, die Ergebnisse ihrer Verarbeitung und die Prognosen können in einer Datenbank vom Typ Sqlit oder in einem ausgewählten Ordner gespeichert werden. Tabellen mit diesen Daten können zum Drucken exportiert werden, beispielsweise über den SQLit-Browser oder über das Internet.
Die Anwendung soll reale Funktionen aus einer einzelnen Variablen interpolieren und statistische Vorhersagen ermöglichen
Interpolieren Sie reelle Funktionen (Punktmenge (X, Y)) aus einer einzelnen Variablen
Es können Interpolationsmethoden angewendet werden: Newtons, Aitkens, kubischer Hermites, Kardinal-Spline
Catmul-Rom-Spline, Kochanek-Bartls-Spline, lineare Interpolation und Nächste-Nachbarn-Interpolation.
Es können statistische Vorhersagen angewendet werden – exponentiell gewichteter gleitender Durchschnitt; - einfacher gleitender Durchschnitt;
lineares exponentielles Wägen; - Holts lineare exponentielle Glättung; und ein zusätzlicher Verlangsamungstrend.
Ergebnisdaten können exportiert und über das Internet versendet werden
Erstellen, Löschen und Auswählen eines Ordners zum Speichern von Datenergebnissen
Wenn es sich bei der Funktion um eine Zeitreihe handelt, können Methoden zur Vorhersage und Berechnung der Autokorrelation angewendet werden, um interne Zyklen zu erkennen.
Die folgenden Methoden zur statistischen Vorhersage werden angewendet: ein exponentiell gewichteter gleitender Durchschnitt; - einfacher gleitender Durchschnitt; - lineares exponentielles Wägen; - Holts lineare exponentielle Glättung; und ein zusätzlicher Verlangsamungstrend. Der Mittelwert und die Standardabweichung der Prognosefehler werden berechnet.
Die Funktionen, die Ergebnisse ihrer Verarbeitung und die Prognosen können in einer Datenbank vom Typ Sqlit oder in einem ausgewählten Ordner gespeichert werden. Tabellen mit diesen Daten können zum Drucken exportiert werden, beispielsweise über den SQLit-Browser oder über das Internet.
Die Anwendung soll reale Funktionen aus einer einzelnen Variablen interpolieren und statistische Vorhersagen ermöglichen
Interpolieren Sie reelle Funktionen (Punktmenge (X, Y)) aus einer einzelnen Variablen
Es können Interpolationsmethoden angewendet werden: Newtons, Aitkens, kubischer Hermites, Kardinal-Spline
Catmul-Rom-Spline, Kochanek-Bartls-Spline, lineare Interpolation und Nächste-Nachbarn-Interpolation.
Es können statistische Vorhersagen angewendet werden – exponentiell gewichteter gleitender Durchschnitt; - einfacher gleitender Durchschnitt;
lineares exponentielles Wägen; - Holts lineare exponentielle Glättung; und ein zusätzlicher Verlangsamungstrend.
Ergebnisdaten können exportiert und über das Internet versendet werden
Erstellen, Löschen und Auswählen eines Ordners zum Speichern von Datenergebnissen
Aktualisiert am
Was die Sicherheit angeht, solltest du als Erstes verstehen, wie Entwickler deine Daten erheben und weitergeben. Die Datenschutz- und Sicherheitspraktiken können je nach deiner Verwendung, deiner Region und deinem Alter variieren. Diese Informationen wurden vom Entwickler zur Verfügung gestellt und können jederzeit von ihm geändert werden.
Keine Daten werden mit Drittunternehmen oder -organisationen geteilt
Keine Daten erhoben
Support für diese App
Informationen zum Entwickler
Ivan Zdravkov Gabrovski
ivan_gabrovsky@yahoo.com
жк.Младост 1 47 вх 1 ет. 16 ап. 122
1784 общ. Столична гр София
Bulgaria
undefined
