ndCurveMaster for mac OS 1.2.2

Licence: Essai gratuit ‎Taille du fichier: 3.66 MB
‎Note des utilisateurs: 0.0/5 - ‎0 ‎Votes

ndCurveMaster a été conçu pour trouver des équations optimales pour décrire les données empiriques à l’aide d’une méthode de régression. ndCurveMaster est le premier et le seul programme à trouver l’équation idéale pour permet l’ajustement automatique d’un nombre illimité de variables d’entrée, par exemple : y= a0 + a1*x1^(-11) + a2*x3 + a3*x5^3 + a4*[ln(x8)]^3 + a5*[exp(x1*x4)]^(-2) + a6*x1*x8^2 + a7*ln (x2*x6) + a8*x2*x3*x4. ndCurveMaster utilise des techniques heuristiques pour le montage de courbes. Le logiciel est conçu dans le but de générer des résultats et des sorties de haute qualité tout en économisant votre temps dans le processus. ndCurveMaster se compare très favorablement à la concurrence et le fait à un prix inférieur. Caractéristiques générales: - montage automatique d’un nombre illimité de variables d’entrée : x1, x2, x3,..., xn et leurs combinaisons : x1*x2, x1*x3, x2*x3,..., xn-1*xn - techniques heuristiques pour l’ajustement de courbe - l’utilisateur peut ajouter à plusieurs reprises de nouvelles équations à n’importe quel modèle à partir de la liste de classement - l’utilisateur peut commencer la procédure de régression progressive avec l’élimination vers l’arrière les variables les moins significatives de n’importe quel modèle de la liste de classement - build in set comprend 120 gammes d’équations non linéaires - puissant et facile à utiliser - multivarié illimité - analyse statistique complète - régression progressive avec élimination en arrière - historique et classement des résultats - copier ou enregistrer sur les options de fichiers CSV - toute valeur de niveau alpha de signification, - didacticiels vidéo, - une clé de licence valable pour les systèmes Windows et Mac OS. ndCurveMaster utilise des techniques heuristiques pour le montage de courbes et implémente des algorithmes scientifiques. Cela améliore la découverte de meilleurs modèles. Mais même lorsque vous utilisez le même ensemble de données à chaque fois : - la façon de trouver les meilleurs modèles sera différente, - et les modèles peuvent être différents.

Détails du programme