Interpolation & Prediction

ivan gabrovski

యాడ్స్ ఉంటాయి

ఈ యాప్ గురించి పరిచయం

అప్లికేషన్ నిజమైన ఫంక్షన్‌లను ఒకే వేరియబుల్ నుండి ఇంటర్‌పోలేట్ చేయడానికి ఉద్దేశించబడింది. విధులు పాయింట్ల సమితి (X, Y). కింది ఇంటర్‌పోలేషన్ పద్ధతులను అన్వయించవచ్చు: న్యూటన్, ఐట్‌కెన్, క్యూబిక్ హెర్మైట్ పద్ధతి, కార్డినల్ స్ప్లైన్ ఇంటర్‌పోలేషన్, క్యాట్ముల్-రోమ్ స్ప్లైన్, కొచానెక్-బార్ట్ల్స్ స్ప్లైన్, లీనియర్ ఇంటర్‌పోలేషన్ మరియు సమీప పొరుగు ఇంటర్‌పోలేషన్.
ఫంక్షన్ సమయ శ్రేణి అయితే, అంతర్గత చక్రాలను గుర్తించడానికి ఆటోకోరిలేషన్‌ను అంచనా వేయడం మరియు గణించడం కోసం పద్ధతులు వర్తించవచ్చు.
స్టాటిస్టికల్ ప్రిడిక్షన్ కోసం క్రింది పద్ధతులు వర్తింపజేయబడ్డాయి - ఘాతాంకంగా బరువున్న కదిలే సగటు; - సాధారణ కదిలే సగటు; - సరళ ఘాతాంక బరువు; - హోల్ట్ యొక్క లీనియర్ ఎక్స్‌పోనెన్షియల్ స్మూటింగ్; మరియు అదనపు మందగించే ధోరణి. సూచన లోపాల సగటు మరియు ప్రామాణిక విచలనం లెక్కించబడుతుంది.
విధులు, వాటి ప్రాసెసింగ్ ఫలితాలు మరియు అంచనాలు Sqlit రకం డేటాబేస్‌లో లేదా ఎంచుకున్న ఫోల్డర్‌లో నిల్వ చేయబడతాయి. ఈ డేటాతో పట్టికలు ప్రింటింగ్ కోసం ఎగుమతి చేయబడతాయి, ఉదాహరణకు, Sqlit బ్రౌజర్ లేదా ఇంటర్నెట్ ద్వారా.

అప్లికేషన్ ఒక వేరియబుల్ నుండి నిజమైన ఫంక్షన్‌లను ఇంటర్‌పోలేట్ చేయడానికి మరియు గణాంక అంచనా కోసం ఉద్దేశించబడింది

ఒకే వేరియబుల్ నుండి నిజమైన విధులను (బిందువుల సమితి (X, Y)) ఇంటర్‌పోలేట్ చేయండి
ఇంటర్‌పోలేషన్ పద్ధతులను అన్వయించవచ్చు: న్యూటన్, ఐట్‌కెన్, క్యూబిక్ హెర్మైట్స్, కార్డినల్ స్ప్లైన్
క్యాట్ముల్-రోమ్ యొక్క స్ప్లైన్, కొచానెక్-బార్ట్ల్స్ స్ప్లైన్, లీనియర్ ఇంటర్‌పోలేషన్ మరియు సమీప పొరుగు ఇంటర్‌పోలేషన్.
గణాంక అంచనాలను అన్వయించవచ్చు - విపరీతంగా బరువున్న కదిలే సగటు; - సాధారణ కదిలే సగటు;
లీనియర్ ఎక్స్‌పోనెన్షియల్ వెయిటింగ్; - హోల్ట్ యొక్క లీనియర్ ఎక్స్‌పోనెన్షియల్ స్మూటింగ్; మరియు అదనపు మందగించే ధోరణి.
ఫలితాల డేటాను ఇంటర్నెట్ ద్వారా ఎగుమతి చేయవచ్చు మరియు పంపవచ్చు
నిల్వ డేటా ఫలితాల కోసం ఫోల్డర్‌ను సృష్టించడం, తొలగించడం మరియు ఎంపిక చేయడం