Sagata Regression Pro Demo 1.0
Sarai in grado di scaricare in 5 secondi.
Circa Sagata Regression Pro Demo
Il software Sagata Regression offre la potenza di un pacchetto di regressione professionale con la facilità e il comfort di un'interfaccia di Microsoft Excel. Le caratteristiche includono: Fattori qualitativi / categorici - spesso input o fattori nell'adattamento del modello sono di natura qualitativa o categorica, ad esempio il tipo di casa (mattoni, merluzzo del mantello o coloniale) o il nome del distretto scolastico. S.R. Pro offre un'integrazione completamente senza soluzione di continuità di fattori categorici e continui. Elaborazione back-end efficiente: spesso i modelli di regressione coinvolgono migliaia o addirittura decine di migliaia di punti dati. L'efficiente motore di programma C++ in S.R. Standard and Pro può risparmiare minuti o addirittura ore di attesa rispetto a molti pacchetti di componenti aggiuntivi di Microsoft Excel in questi casi. Generazione interattiva di modelli: gli esperti in genere preferiscono scegliere i loro modelli in modo interattivo a seconda della natura del loro problema e delle informazioni statistiche pertinenti. Sagata Regression offre una potente funzionalità di modellazione personalizzata per una facile generazione di modelli di secondo e terzo ordine. Interactive 3D Plot Engine - tracciare i risultati dei modelli di regressione è spesso fondamentale per aiutare i decisori a visualizzare l'impatto delle variazioni di input sugli output. Sagata Regression genera grafici superficiali visivamente accattivanti e completamente regolabili. Cross-validation/MinPRESS Automodeling - esclusivo approccio di selezione automatica del modello di tipo stepwise con il vantaggio della valutazione del modello di tipo di convalida incrociata. Ponderazione dei dati: la regressione ponderata consente agli utenti di minimizzare i dati associati a errori di misurazione più elevati. Stepwise Regression Automodeling - offre una feature di regressione graduale per selezionare automaticamente il modello "ottimale". Regressione robusta (per outlier) - comunemente alcuni dei dati non sono del tutto affidabili. Per questi casi, le alternative alla regressione dei quadrati inferiori sono meno influenzate da un piccolo numero di osservazioni aberranti o valori anomali.