Interpolation & Prediction

ivan gabrovski‏

آگهی دارد

درباره این برنامه

این برنامه برای درون یابی توابع واقعی از یک متغیر در نظر گرفته شده است. توابع مجموعه ای از نقاط (X, Y) هستند. روش های درون یابی زیر را می توان اعمال کرد: روش نیوتن، آیتکن، روش هرمیت مکعبی، درون یابی اسپلین کاردینال، اسپلین کاتمول-روم، اسپلین کوچانک-بارتلز، درون یابی خطی و درون یابی نزدیکترین همسایه.
اگر تابع یک سری زمانی باشد، ممکن است روش‌هایی برای پیش‌بینی و محاسبه همبستگی خودکار برای شناسایی چرخه‌های داخلی اعمال شود.
روش های زیر برای پیش بینی آماری استفاده می شود - میانگین متحرک وزن دار نمایی. - میانگین متحرک ساده؛ - توزین نمایی خطی؛ - هموارسازی نمایی خطی هولت. و یک روند کند اضافی. میانگین و انحراف معیار خطاهای پیش‌بینی محاسبه می‌شود.
توابع، نتایج پردازش آنها و پیش بینی ها را می توان در یک پایگاه داده از نوع Sqlit یا در پوشه انتخاب شده ذخیره کرد. جداول با این داده ها را می توان برای چاپ، به عنوان مثال، با استفاده از مرورگر Sqlit یا از طریق اینترنت صادر کرد.

این برنامه برای درونیابی توابع واقعی از یک متغیر واحد و برای پیش بینی آماری در نظر گرفته شده است

توابع واقعی (مجموعه نقاط (X، Y)) را از یک متغیر واحد درون یابی کنید
می توان از روش های درونیابی استفاده کرد: نیوتن، آیتکن، هرمیت مکعبی، اسپلین کاردینال
اسپلاین Catmul-Rom، spline Kochanek-Bartls، درون یابی خطی و درون یابی نزدیکترین همسایه.
می توان از پیش بینی های آماری - میانگین متحرک وزن دار نمایی استفاده کرد. - میانگین متحرک ساده؛
توزین نمایی خطی؛ - هموارسازی نمایی خطی هولت. و یک روند کند اضافی.
داده های نتایج را می توان از طریق اینترنت صادر و ارسال کرد
ایجاد، حذف و انتخاب یک پوشه برای نتایج ذخیره سازی داده ها