Кросплатформна комп'ютерна програма для простого регресійного аналізу даних

Точилін, С. Д.; Рибін, В. О.

Головна сторінка IRChNUT
→
ПЕРІОДИЧНІ ВИДАННЯ НУ «Чернігівська політехніка»
→
Технічні науки та технології: науковий журнал
→
2021
→
Технічні науки та технології. – 2021. – №2 (24)
→
Перегляд матеріалів

dc.contributor.author	Точилін, С. Д.
dc.contributor.author	Рибін, В. О.
dc.date.accessioned	2021-10-30T12:21:09Z
dc.date.available	2021-10-30T12:21:09Z
dc.date.issued	2021
dc.identifier.uri	http://ir.stu.cn.ua/123456789/24159
dc.description	Точилін, С. Д. Кросплатформна комп'ютерна програма для простого регресійного аналізу даних / С. Д. Точилін, В. О. Рибін // Технічні науки та технології. – 2021. – № 2(24). – С. 141-150.	en_US
dc.description.abstract	За допомогою мови програмування Java розроблена кросплатформна комп’ютерна програма для простого регресійного аналізу даних, яка при функціонуванні використовує різні моделі регресії. Вона має графічний інтерфейс користувача і застосовує для аналізу метод найменших квадратів. При цьому для визначення параметрів регресійної моделі із системи лінійних рівнянь, які формуються при обробці статистичних даних, використовується метод Гаусса. Розроблений додаток для оцінки якості моделі розраховує середню помилку апроксимації та коефіцієнт детермінації або індекс детермінації, а для оцінки її значущості обчислює фактичне і критичне значення F-критерію Фішера. При розрахунку критичного значення F-критерію Фішера програма використовує функцію бета-розподілу.	en_US
dc.language.iso	uk	en_US
dc.publisher	Чернігів : НУ «Чернігівська політехніка»	en_US
dc.relation.ispartofseries	Технічні науки та технології;№2(24)
dc.subject	регресія	en_US
dc.subject	аналіз даних	en_US
dc.subject	метод найменших квадратів	en_US
dc.subject	regression	en_US
dc.subject	data analysis	en_US
dc.subject	least squares method	en_US
dc.title	Кросплатформна комп'ютерна програма для простого регресійного аналізу даних	en_US
dc.title.alternative	Cross-platform computer software for simple regression data analysis	en_US
dc.type	Article	en_US
dc.description.abstractalt1	Currently, specialized computer programs are widely used to analyze statistical data. At the same time, development of computer programs for regression data analysis is an urgent task. Regression analysis is usually performed using special commercial computer programs that have a graphical user interface (GUI) and in many cases are rigidly tied to a specific platform. Currently, one of the most popular programming languages is Java. It is a cross-platform and has an API that is freely distributed and allows to create programs for statistical processing of experimental data with a graphical user interface. Recently, a cross-platform program ST_Regression for regression analysis with GUI has been developed in the Java programming language. The ST_Regression program has a significant limitation. It can only perform polynomial data analysis. The task is to develop a Java GUI application for simple regression data analysis that uses different regression models to function. In addition, it presents the results of work in graphical and tabular form, and also assesses the quality and significance of the regression equation. The features of functioning and the graphical user interface of a Java application that solves the problem are described. Examples of its use are given. Using the Java programming language, a cross-platform computer program for simple regression analysis of data, which uses various regression models in operation has been developed. It has a graphical user interface and uses the least squares method for analysis. At the same time, the Gaussian method is used to determine the parameters of the regression model from a system of linear equations that are formed during processing of statistical data. The developed application for assessing the quality of the model calculates the average approximation error and the coefficient of determination or the index of determination, and to assess its significance calculates the actual and critical values of the Fischer F-criterion. When calculating the critical value of Fischer's F-criterion, the program uses the beta distribution function.	en_US