Interpolation & Prediction

ivan gabrovski

Sisaldab reklaame

Rakenduse teave

Rakendus on mõeldud reaalsete funktsioonide interpoleerimiseks ühest muutujast. Funktsioonid on punktide hulk (X, Y). Kasutada saab järgmisi interpoleerimismeetodeid: Newtoni, Aitkeni, kuupmeetri Hermite'i meetod, kardinaalsplainide interpolatsioon, Catmul-Romi splain, Kochanek-Bartlsi splain, lineaarne interpolatsioon ja lähima naabri interpolatsioon.
Kui funktsioon on aegrida, võib sisemiste tsüklite tuvastamiseks kasutada autokorrelatsiooni ennustamise ja arvutamise meetodeid.
Statistilise prognoosi jaoks kasutatakse järgmisi meetodeid - eksponentsiaalselt kaalutud liikuv keskmine; - lihtne liikuv keskmine; - lineaarne eksponentsiaalne kaalumine; - Holti lineaarne eksponentsiaalne silumine; ja täiendavat aeglustumistrendi. Arvutatakse prognoosivigade keskmine ja standardhälve.
Funktsioone, nende töötlemise tulemusi ja prognoose saab salvestada Sqlit tüüpi andmebaasi või valitud kausta . Nende andmetega tabeleid saab printimiseks eksportida näiteks Sqlit brauseri või Interneti kaudu.

Rakendus on mõeldud reaalsete funktsioonide interpoleerimiseks ühest muutujast ja statistiliseks prognoosimiseks

interpoleerida reaalfunktsioone (punktide hulk (X, Y)) ühest muutujast
saab rakendada interpolatsioonimeetodeid: Newtoni, Aitkeni, kuubikujuline Hermite, kardinaalsplain
Catmul-Romi splain, Kochanek-Bartlsi splain, lineaarne interpolatsioon ja lähima naabri interpolatsioon.
saab rakendada statistilisi prognoose - eksponentsiaalselt kaalutud liikuv keskmine; - lihtne liikuv keskmine;
lineaarne eksponentsiaalne kaalumine; - Holti lineaarne eksponentsiaalne silumine; ja täiendavat aeglustumistrendi.
tulemuste andmeid saab eksportida ja saata Interneti kaudu
andmete salvestamise tulemuste kausta loomine, kustutamine ja valimine