FactorAnalysis for Android

ivan gabrovski

ఈ యాప్ గురించి పరిచయం

Android కోసం APP కారకాల విశ్లేషణ మూడు భాగాలను కలిగి ఉంటుంది, ఒకటి యాదృచ్ఛిక వేరియబుల్స్ యొక్క నమూనాలను ప్రాసెస్ చేయడం; సహసంబంధ మాతృక యొక్క ద్వితీయ కారకం; మరియు తెలిసిన గణాంక పంపిణీల కోసం మూడవ కాలిక్యులేటర్.

యాదృచ్ఛిక వేరియబుల్స్ యొక్క కాంపోనెంట్ ప్రాసెసింగ్ నమూనాలు యాదృచ్ఛిక వేరియబుల్స్ యొక్క నమూనాలను నిల్వ చేయడానికి (సవరించిన, తొలగించబడిన, పేరు మార్చబడిన) వాటి ప్రాథమిక గణాంక లక్షణాలను లెక్కించడానికి రూపొందించబడింది: -సగటు విలువ; - ప్రామాణిక విచలనం; - వక్రత మరియు కుర్టోసిస్; - సగటు విలువ యొక్క విశ్వాస విరామాలను లెక్కించేందుకు; - వ్యత్యాసం మరియు ప్రామాణిక విచలనం; - పియర్సన్ ప్రమాణాన్ని ఉపయోగించి నమూనా సాధారణ లేదా ఏకరీతిగా పంపిణీ చేయబడిన యాదృచ్ఛిక వేరియబుల్ నుండి ఉందో లేదో తనిఖీ చేయండి; - కొల్మోగోరోవ్-స్మిర్నోవ్ ప్రమాణాన్ని ఉపయోగించి నమూనా సాధారణ, ఏకరీతిగా మరియు విపరీతంగా పంపిణీ చేయబడిన యాదృచ్ఛిక వేరియబుల్ నుండి ఉందో లేదో తనిఖీ చేయండి; - మరియు సున్నా వక్రత మరియు కుర్టోసిస్; - నమూనా యొక్క నిర్ణయించబడిన హిస్టోగ్రాం; - సగటు మరియు ప్రామాణిక విచలనానికి సంబంధించిన పరికల్పనల పనితీరు పరీక్ష; మరియు ఇతర.
అప్లికేషన్ మృదువైన పంపిణీల కోసం ఫంక్షన్‌ను కలిగి ఉంది, ఇందులో నమూనాకు సంబంధించిన విజువలైజేషన్ సర్దుబాటు చేయబడిన (మృదువైన) పంపిణీల కోసం ఆస్తులు ఉన్నాయి, ఇది పియర్సన్ మరియు కోల్మోగోరోవ్-స్మిర్నోవర్ ప్రమాణాల నుండి మినహాయించబడలేదు.
కాంపోనెంట్ ఫ్యాక్టర్స్ అనాలిసిస్ ఫర్ కోరిలేషన్ మ్యాట్రిక్స్ ఫ్యాక్టరైజేషన్ రెండు తెలిసిన పద్ధతులను వర్తిస్తుంది: ప్రధాన భాగాలు (పియర్సన్, 1901 మరియు హోటలింగ్, 1933); మరియు - ప్రధాన కారకాలు (స్పియర్‌మ్యాన్, 1904 1926). అప్లికేషన్ యొక్క ఫంక్షన్‌లతో డేటా చికిత్స ద్వారా లేదా సిద్ధంగా-సహసంబంధ మాత్రికల అప్లికేషన్‌లోకి ప్రవేశించడం లేదా దిగుమతి చేయడం ద్వారా సహసంబంధ మాతృకను పొందవచ్చు.
నమూనాలు, ప్రాసెసింగ్ ఫలితాలు మరియు హిస్టోగ్రాం సేవ్ చేయబడతాయి. ఈ డేటాతో పట్టికలు ఎగుమతి చేయబడతాయి మరియు సేవ్ మరియు ప్రింటింగ్ కోసం పంపబడతాయి. నిల్వ డేటా ఫలితాల కోసం ఫోల్డర్‌ను సృష్టించడం, తొలగించడం మరియు ఎంపిక చేయడం కోసం అప్లికేషన్ ఫంక్షన్‌లను కలిగి ఉంది.
.

Android కోసం కారకం విశ్లేషణ

Android కోసం ఫ్యాక్టర్స్ అనాలిసిస్ యాప్ మూడు భాగాలను కలిగి ఉంటుంది, ఒకటి యాదృచ్ఛిక వేరియబుల్స్ యొక్క నమూనాలను ప్రాసెస్ చేయడం; సహసంబంధ మాతృక యొక్క ద్వితీయ కారకం; మరియు తెలిసిన గణాంక పంపిణీల కోసం మూడవ కాలిక్యులేటర్.

అనువర్తనం యాదృచ్ఛిక వేరియబుల్స్ యొక్క అనేక నమూనాలను నిల్వ చేయడానికి మరియు సహసంబంధ మాతృకను లెక్కించడానికి
యాదృచ్ఛిక వేరియబుల్స్ యొక్క ప్రాసెసింగ్ నమూనా
పియర్సన్ ప్రమాణాన్ని ఉపయోగించి నమూనా సాధారణ లేదా ఏకరీతిగా పంపిణీ చేయబడిన యాదృచ్ఛిక వేరియబుల్ నుండి ఉందో లేదో తనిఖీ చేయండి; మరియు కోల్మోగోరోవ్-స్మిర్నోవ్ యొక్క ప్రమాణాలు
నమూనా యొక్క నిర్ణయించబడిన హిస్టోగ్రాం;

కోరిలేషన్ మ్యాట్రిక్స్ ఫ్యాక్టరైజేషన్ కోసం ప్రధాన భాగాలు మరియు ప్రధాన కారకాలు అనే రెండు పద్ధతులను వర్తింపజేస్తుంది
సంచిత సంభావ్యత లేదా యాదృచ్ఛిక చరరాశిని గణించడం
ఫలితాల డేటాను ఇంటర్నెట్ ద్వారా ఎగుమతి చేయవచ్చు మరియు పంపవచ్చు
నిల్వ డేటా ఫలితాల కోసం ఫోల్డర్‌ను సృష్టించడం, తొలగించడం మరియు ఎంపిక చేయడం

పరికల్పనలు, హిస్టోగ్రాం యాదృచ్ఛిక సంభావ్యత గణాంక పంపిణీలు సహసంబంధం మాతృక కారకం ప్రధాన భాగాలు కారకాలు