Interpolation & Prediction

ivan gabrovski‏

اشتہارات شامل ہیں

اس ایپ کے بارے میں

ایپلیکیشن کا مقصد ایک واحد متغیر سے حقیقی افعال کو انٹرپولیٹ کرنا ہے۔ افعال پوائنٹس کا ایک مجموعہ ہیں (X، Y)۔ انٹرپولیشن کے درج ذیل طریقوں کو لاگو کیا جا سکتا ہے: نیوٹن، آئٹکن، کیوبک ہرمائٹ کا طریقہ، کارڈینل اسپلائن انٹرپولیشن، کیٹمل-روم کا سپلائن، کوچانیک-بارٹلز کا سپلائن، لکیری انٹرپولیشن اور قریبی پڑوسی انٹرپولیشن۔
اگر فنکشن ایک ٹائم سیریز ہے، تو اندرونی چکروں کا پتہ لگانے کے لیے خودکار تعلق کی پیشن گوئی اور حساب لگانے کے طریقے لاگو کیے جا سکتے ہیں۔
شماریاتی پیشین گوئی کے لیے درج ذیل طریقے لاگو کیے جاتے ہیں - ایک تیزی سے وزنی حرکت پذیری اوسط؛ - سادہ حرکت پذیری اوسط؛ - لکیری کفایتی وزن؛ - ہولٹ کی لکیری کفایتی ہموار کرنا؛ اور ایک اضافی سست روی کا رجحان۔ پیشن گوئی کی غلطیوں کے اوسط اور معیاری انحراف کا حساب لگایا جاتا ہے۔
فنکشنز، ان کی پروسیسنگ کے نتائج اور پیشین گوئیاں Sqlit قسم کے ڈیٹا بیس میں یا منتخب فولڈر میں محفوظ کی جا سکتی ہیں۔ اس ڈیٹا والی میزیں پرنٹنگ کے لیے برآمد کی جا سکتی ہیں، مثال کے طور پر، Sqlit براؤزر یا انٹرنیٹ کے ذریعے۔

ایپلیکیشن کا مقصد ایک واحد متغیر سے حقیقی افعال کو انٹرپولیٹ کرنا اور شماریاتی پیشین گوئی کے لیے ہے

ایک متغیر سے حقیقی فنکشنز (پوائنٹس کا سیٹ (X، Y)) انٹرپولیٹ کریں۔
انٹرپولیشن کے طریقوں کو لاگو کیا جا سکتا ہے: نیوٹن، ایٹکن، کیوبک ہرمائٹ، کارڈنل اسپلائن
Catmul-Rom's spline, Kochanek-Bartls's spline, linear interpolation and nearest necessity interpolation.
شماریاتی پیشین گوئیوں کو لاگو کیا جا سکتا ہے - تیزی سے وزنی حرکت پذیری اوسط؛ - سادہ حرکت پذیری اوسط؛
لکیری کفایتی وزن؛ - ہولٹ کی لکیری کفایتی ہموار کرنا؛ اور ایک اضافی سست روی کا رجحان۔
نتائج کا ڈیٹا انٹرنیٹ کے ذریعے برآمد اور بھیجے جا سکتے ہیں۔
سٹوریج ڈیٹا کے نتائج کے لیے فولڈر بنائیں، حذف کریں اور اس کا انتخاب کریں۔