FactorAnalysis for Android

ivan gabrovski

Par šo lietotni

APP faktoru analīze operētājsistēmai Android sastāv no trim komponentiem, no kuriem viens ir nejaušo mainīgo paraugu apstrāde; korelācijas matricas otrā faktorizācija; un trešais kalkulators zināmajiem statistikas sadalījumiem.

Nejaušo lielumu komponentu apstrādes paraugi ir paredzēti, lai saglabātu (rediģētu, dzēstu, pārdēvētu) nejaušo lielumu paraugus, lai aprēķinātu to statistiskos pamatpazīmes kā: -vidējo vērtību; - standarta novirze; - šķībums un kurtoze; - aprēķināt vidējās vērtības ticamības intervālus; - dispersija un standartnovirze; - pārbaudīt, vai izlase ir no normāla vai vienmērīgi sadalīta gadījuma lieluma, izmantojot Pīrsona kritēriju; - pārbaudīt, vai izlase ir no normāla, vienmērīgi un eksponenciāli sadalīta gadījuma lieluma, izmantojot Kolmogorova-Smirnova kritēriju; - un nulles šķībums un kurtoze; - noteikta parauga histogramma; - ar vidējo un standarta novirzi saistīto hipotēžu funkciju pārbaude; un cits.
Lietojumprogrammai ir funkcija vienmērīgai sadalei, tostarp vizualizācijai pielāgoti (vienmērīgi) sadalījumi, kas saistīti ar izlasi, kas nav izslēgti no Pīrsona un Kolmogorova-Smirnovra kritērijiem.
Komponentā Faktoru analīze korelācijas matricas faktorizācijai izmanto divas zināmas metodes: galvenās sastāvdaļas (Pearson, 1901 un Hoteling, 1933); un - galvenie faktori (Spīrmens, 1904, 1926). Korelācijas matricu var iegūt, apstrādājot datus ar lietojumprogrammas funkcijām vai ievadot vai importējot lietojumprogrammā gatavas korelācijas matricas.
Paraugus, apstrādes rezultātus un histogrammu var saglabāt. Tabulas ar šiem datiem var eksportēt un nosūtīt saglabāšanai un drukāšanai. Lietojumprogrammai ir funkcijas datu glabāšanas rezultātu mapes izveidei, dzēšanai un atlasei.
.

Faktoru analīze operētājsistēmai Android

Android lietotnē Factors Analysis ir trīs komponenti, no kuriem viens ir nejaušo mainīgo paraugu apstrāde; korelācijas matricas otrā faktorizācija; un trešais kalkulators zināmajiem statistikas sadalījumiem.

Lietotne ir paredzēta daudzu nejaušo mainīgo paraugu glabāšanai un korelācijas matricas aprēķināšanai
nejaušo mainīgo izlases apstrāde
pārbauda, ​​vai izlase ir no normāla vai vienmērīgi sadalīta gadījuma lieluma, izmantojot Pīrsona kritēriju; un Kolmogorova-Smirnovra kritēriji
noteikta parauga histogramma;

korelācijas matricas faktorizēšanai izmanto divas metodes galvenās sastāvdaļas un galvenos faktorus
kumulatīvās varbūtības vai gadījuma lieluma aprēķināšana
rezultātu datus var eksportēt un nosūtīt, izmantojot internetu
izveidot, dzēst un atlasīt mapi datu uzglabāšanas rezultātiem

hipotēzes, histogrammas nejaušības varbūtības statistiskie sadalījumi korelācijas matricas faktorizēšana galvenie komponenti faktori