FactorAnalysis for Android

ivan gabrovski‏

درباره این برنامه

APP Factors Analysis برای اندروید شامل سه جزء است، یکی پردازش نمونه‌هایی از متغیرهای تصادفی. عامل دوم ماتریس همبستگی است. و سومین ماشین حساب برای توزیع های آماری شناخته شده.

نمونه‌های پردازش مولفه‌های متغیرهای تصادفی برای ذخیره (ویرایش، حذف، تغییر نام) نمونه‌های متغیرهای تصادفی طراحی شده‌اند تا ویژگی‌های آماری پایه آن‌ها را به صورت: -مقدار متوسط ​​محاسبه کنند. - انحراف معیار؛ - چولگی و کشیدگی؛ - برای محاسبه فواصل اطمینان از مقدار متوسط. - واریانس و انحراف معیار؛ - بررسی کنید که آیا نمونه از متغیر تصادفی نرمال یا یکنواخت توزیع شده با استفاده از معیار پیرسون است. - بررسی کنید که آیا نمونه از متغیر تصادفی نرمال، یکنواخت و نمایی توزیع شده با استفاده از معیار کولموگروف-اسمیرنوف است. - و چولگی و کشیدگی صفر; - تعیین هیستوگرام نمونه. - آزمون تابع فرضیه های مربوط به میانگین و انحراف معیار. و دیگر.
این برنامه دارای عملکردی برای توزیع های صاف است، این شامل دارایی هایی برای توزیع های تجسم شده (صاف) مربوط به نمونه است که از معیارهای پیرسون و کولموگروف-اسمیرنور مستثنی نشده است.
در تجزیه و تحلیل عوامل مؤلفه برای فاکتورسازی ماتریس همبستگی از دو روش شناخته شده استفاده می شود: مؤلفه های اصلی (پیرسون، 1901 و هتلینگ، 1933). و - عوامل اصلی (Spearman, 1904 1926). یک ماتریس همبستگی را می توان با پردازش داده ها با توابع برنامه، یا با وارد کردن یا وارد کردن به برنامه ماتریس های همبستگی آماده به دست آورد.
نمونه ها، نتایج پردازش و هیستوگرام را می توان ذخیره کرد. جداول با این داده ها را می توان صادر کرد و برای ذخیره و چاپ ارسال کرد. این برنامه دارای عملکردهایی برای ایجاد، حذف و انتخاب یک پوشه برای ذخیره سازی نتایج داده ها است.
.

تحلیل عاملی برای اندروید

برنامه Factors Analysis برای اندروید شامل سه جزء است، یکی پردازش نمونه هایی از متغیرهای تصادفی است. عامل دوم ماتریس همبستگی است. و سومین ماشین حساب برای توزیع های آماری شناخته شده.

برنامه برای ذخیره نمونه های زیادی از متغیرهای تصادفی و محاسبه ماتریس همبستگی است
نمونه پردازش متغیرهای تصادفی
بررسی کنید که آیا نمونه از متغیر تصادفی نرمال یا یکنواخت توزیع شده با استفاده از معیار پیرسون است. و معیارهای کولموگروف اسمیرنور
هیستوگرام نمونه تعیین شد.

از دو روش مؤلفه های اصلی و عوامل اصلی برای فاکتورسازی ماتریس همبستگی استفاده می کند
محاسبه احتمال تجمعی یا متغیر تصادفی
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

فرضیه ها، هیستوگرام احتمال تصادفی توزیع های آماری همبستگی ماتریس فاکتورسازی اجزای اصلی عوامل