Sagata Regression Pro 1.0
Você poderá baixar em 5 segundos.
Sobre Sagata Regression Pro
O software Sagata Multiple Regression oferece o poder de um pacote de regressão profissional com a facilidade e conforto de uma interface Microsoft Excel. As características incluem: Fatores qualitativos/categóricos - muitas vezes insumos ou fatores na montagem do modelo são qualitativos ou categóricos por natureza, por exemplo, o tipo de casa (tijolo, bacalhau ou colonial) ou o nome do distrito escolar. O S.R. Pro oferece uma integração completamente perfeita de fatores categóricos e contínuos. Processamento de backend eficiente - muitas vezes modelos de regressão envolvem milhares ou até dezenas de milhares de pontos de dados. O eficiente motor de programa C++ em S.R. Standard e Pro pode economizar minutos ou até horas de espera em comparação com muitos pacotes adicionais do Microsoft Excel nesses casos. Geração de Modelos Interativos - os especialistas normalmente preferem escolher seus modelos de forma interativa, dependendo da natureza de seu problema e informações estatísticas relevantes. Sagata Regression fornece um poderoso recurso de modelagem personalizado para geração fácil de modelos de segunda e terceira ordem. Interactive 3D Plot Engine - traçar os resultados dos modelos de regressão é muitas vezes a chave para ajudar os tomadores de decisão a visualizar o impacto das variações de entrada nas saídas. A Regressão de Sagata gera parcelas de superfície visualmente atraentes e totalmente ajustáveis. Validação cruzada/Modelo de automodelização MinPRESS - abordagem exclusiva de seleção automática de modelos de tipo stepwise com a vantagem da avaliação do modelo de validação cruzada. Ponderação de dados - a regressão ponderada permite que os usuários minimizem os dados associados a maiores erros de medição. Automodelização de regressão stepwise - oferece um recurso de regressão passo a passo para selecionar o modelo "ideal" automaticamente. Regressão Robusta (para Outliers) - comumente alguns dos dados não são totalmente confiáveis. Para esses casos, alternativas à regressão de menos quadrados são menos influenciadas por um pequeno número de observações aberrantes ou outliers.