Interpolation & Prediction

ivan gabrovski

यामध्‍ये जाहिराती आहेत

या अ‍ॅपविषयी

ऍप्लिकेशनचा उद्देश एका व्हेरिएबलमधून रिअल फंक्शन्स इंटरपोलेट करण्यासाठी आहे. फंक्शन्स हा बिंदूंचा संच आहे (X, Y). खालील इंटरपोलेशन पद्धती लागू केल्या जाऊ शकतात: न्यूटन, एटकेन, क्यूबिक हर्मिटची पद्धत, कार्डिनल स्प्लाइन इंटरपोलेशन, कॅटमुल-रॉमची स्प्लाइन, कोचेनेक-बार्टल्सची स्प्लाइन, रेखीय प्रक्षेपण आणि जवळचा शेजारी इंटरपोलेशन.
जर फंक्शन वेळ मालिका असेल, तर अंतर्गत चक्र शोधण्यासाठी ऑटोकोरिलेशनचा अंदाज लावण्यासाठी आणि गणना करण्याच्या पद्धती लागू केल्या जाऊ शकतात.
सांख्यिकीय अंदाजासाठी खालील पद्धती लागू केल्या आहेत - एक घातांकीय भारित चालणारी सरासरी; - साधी हालचाल सरासरी; - रेखीय घातांक वजन; - होल्टचे रेखीय घातांक स्मूथिंग; आणि एक अतिरिक्त धीमा कल. अंदाज त्रुटींचे सरासरी आणि मानक विचलन मोजले जाते.
कार्ये, त्यांच्या प्रक्रियेचे परिणाम आणि अंदाज Sqlit प्रकारच्या डेटाबेसमध्ये किंवा निवडलेल्या फोल्डरमध्ये संग्रहित केले जाऊ शकतात. या डेटासह सारण्या प्रिंटिंगसाठी निर्यात केल्या जाऊ शकतात, उदाहरणार्थ, Sqlit ब्राउझर किंवा इंटरनेटद्वारे.

अॅप्लिकेशनचा उद्देश एका व्हेरिएबलमधून वास्तविक फंक्शन्स इंटरपोलेट करण्यासाठी आणि सांख्यिकीय अंदाजासाठी आहे

एका व्हेरिएबलमधून रिअल फंक्शन्स (बिंदूंचा संच (X, Y)) इंटरपोलेट करा
इंटरपोलेशन पद्धती लागू केल्या जाऊ शकतात: न्यूटन, एटकेन, क्यूबिक हर्मिट, कार्डिनल स्प्लाइन
Catmul-Rom's spline, Kochanek-Bartls's spline, linear interpolation and nearest शेजारी इंटरपोलेशन.
सांख्यिकीय अंदाज लागू केले जाऊ शकतात - एक्सपोनेन्शिअली वेटेड मूव्हिंग एव्हरेज; - साधी हालचाल सरासरी;
रेखीय घातांक वजन; - होल्टचे रेखीय घातांक स्मूथिंग; आणि एक अतिरिक्त धीमा कल.
परिणाम डेटा निर्यात केला जाऊ शकतो आणि इंटरनेटद्वारे पाठविला जाऊ शकतो
स्टोरेज डेटा परिणामांसाठी फोल्डर तयार करणे, हटवणे आणि निवडणे