Interpolation & Prediction

Die Anwendung soll reale Funktionen aus einer einzelnen Variablen interpolieren. Funktionen sind eine Menge von Punkten (X, Y). Die folgenden Interpolationsmethoden können angewendet werden: Newtons, Aitkens, kubisches Hermite-Verfahren, Kardinal-Spline-Interpolation, Catmul-Rom-Spline, Kochanek-Bartls-Spline, lineare Interpolation und Nächste-Nachbarn-Interpolation.

Wenn es sich bei der Funktion um eine Zeitreihe handelt, können Methoden zur Vorhersage und Berechnung der Autokorrelation angewendet werden, um interne Zyklen zu erkennen.

Die folgenden Methoden zur statistischen Vorhersage werden angewendet: ein exponentiell gewichteter gleitender Durchschnitt; - einfacher gleitender Durchschnitt; - lineares exponentielles Wägen; - Holts lineare exponentielle Glättung; und ein zusätzlicher Verlangsamungstrend. Der Mittelwert und die Standardabweichung der Prognosefehler werden berechnet.

Die Funktionen, die Ergebnisse ihrer Verarbeitung und die Prognosen können in einer Datenbank vom Typ Sqlit oder in einem ausgewählten Ordner gespeichert werden. Tabellen mit diesen Daten können zum Drucken exportiert werden, beispielsweise über den SQLit-Browser oder über das Internet.

Die Anwendung soll reale Funktionen aus einer einzelnen Variablen interpolieren und statistische Vorhersagen ermöglichen

Interpolieren Sie reelle Funktionen (Punktmenge (X, Y)) aus einer einzelnen Variablen

Es können Interpolationsmethoden angewendet werden: Newtons, Aitkens, kubischer Hermites, Kardinal-Spline

Catmul-Rom-Spline, Kochanek-Bartls-Spline, lineare Interpolation und Nächste-Nachbarn-Interpolation.

Es können statistische Vorhersagen angewendet werden – exponentiell gewichteter gleitender Durchschnitt; - einfacher gleitender Durchschnitt;

lineares exponentielles Wägen; - Holts lineare exponentielle Glättung; und ein zusätzlicher Verlangsamungstrend.

Ergebnisdaten können exportiert und über das Internet versendet werden

Erstellen, Löschen und Auswählen eines Ordners zum Speichern von Datenergebnissen