Хората ще получат много по отношение на данните на две или повече от две измерения по време на опитите, и на производството. Тези данни ще им помогнат за решаване на проблемите на реалността за обратното, които се нуждаят от обработка на данни, за да ги превърне математически модел, отразяващ регламента за вариране на данните. Прилагането на най-малките квадрати метод може да се направи само линейна регресия, но на нелинейни проблеми трябва да се изгради, свързана израз математически отношения, а именно механизъм модел чрез процедура мислят да направя линеаризация обработка на механизъм модел и след това направете регресионно моделиране изчисление. Някои свързани данни на рекурсивни модели са добри, но данните на реалността са променливи, някакъв механизъм заключим модели. След линеен процес на съответствието собственост на регресионния модел не е добро, а някои, свързано данни, дори не може да се заключи, че в модели на механизъм. Това е още по-трудно да се изгради mathematicalematical модели. Най-слабо Cubic Метод решава проблеми, които най-слабо Square Метод Data Регресия се срещнаха в регресията на отнасяща данни. Тъй като компютрите са широко използвани и прилагани в експеримент, проектиране и производство, той прави регресия изчисляване въз основа на теорията на поне Cubic метод в реалност. Хората могат да не само процеса модела на механизъм, чрез обработката на регресия линеаризация-добре, но може също така да даде солидна математически модел към отнасяща данни, които не може да се заключи, механизъм модели.
Какво ново в тази версия:
Version 2011 включва неуточнени обновления
<силни> Ограничения :.
ограничена функционалност
Коментари не е намерена