સ્ટેટ ઓફ આર્ટ: ઇન્ફરન્સ એપ્લિકેશન નીચેના મોડ્યુલોની ઍક્સેસ પ્રદાન કરે છે:
- પ્રમાણ માટે અનુમાન (એક અને બે સ્વતંત્ર નમૂનાઓ)
- અર્થ માટે અનુમાન (એક અને બે સ્વતંત્ર નમૂનાઓ)
- લીનિયર રીગ્રેશન મોડલ્સમાં અનુમાન (ઢાળ, આત્મવિશ્વાસ અને અનુમાન અંતરાલ)
- ચી-સ્ક્વેર ટેસ્ટ (સ્વતંત્રતા/એકરૂપતા અને ફિટની સારીતા)
- અનેક માધ્યમોની સરખામણી કરવા માટે વન-વે એનોવા
કોઈ જાહેરાતો નથી. કોઈ સબ્સ્ક્રિપ્શન્સ નથી. બધા મોડ્યુલને એક વખતની નાની ફી માટે અથવા દરેકને તેનાથી પણ નાની ફી માટે અનલૉક કરો.
તમારો પોતાનો ડેટા દાખલ કરવો સરળ છે:
જો તમારી પાસે થોડાં અવલોકનો હોય (અથવા જો તમારી પાસે સારાંશના આંકડા હોય તો), તો તેને ખાલી ટાઈપ કરો. મોટા ડેટાસેટ્સ માટે, તમારા કાચા ડેટાની CSV ફાઈલ ક્લાઉડ એકાઉન્ટ (જેમ કે iCloud અથવા Google Drive) પર અપલોડ કરો અથવા ખાલી ઈમેલ કરો. તમારી જાતને ફાઇલ કરો. પછી, એપ્લિકેશનમાં CSV ફાઇલ ખોલો અને તમારા વિશ્લેષણ માટે ચલો પસંદ કરો. તમે સ્પ્રેડશીટ એપ્લિકેશન (જેમ કે iOS અથવા Google શીટ્સ પરના નંબર્સ)માંથી કાચો ડેટા કૉપિ અને પેસ્ટ પણ કરી શકો છો. નમૂના ડેટાસેટ્સ પ્રદાન કરવામાં આવે છે.
પરિણામો અદભૂત છે:
એપ્લિકેશન સંબંધિત પ્લોટ્સ પ્રદાન કરે છે (બાજુ-બાજુ અથવા સ્ટેક્ડ બાર ચાર્ટ્સ, બોક્સપ્લોટ્સ, હિસ્ટોગ્રામ્સ) અને પરિકલ્પનાઓ ચકાસવા માટે આત્મવિશ્વાસ અંતરાલો અને P-મૂલ્યોની ગણતરી અને વિઝ્યુઅલાઈઝ કરે છે. તમામ સંબંધિત માહિતી (જેમ કે પ્રમાણભૂત ભૂલો, ભૂલોનો માર્જિન, z અથવા t સ્કોર્સ અને સ્વતંત્રતાની ડિગ્રી) સ્પષ્ટ રીતે પ્રદર્શિત અને લેબલવાળી છે. P-મૂલ્ય સામાન્ય, t-, અથવા Chi-Squared વિતરણ માટે ગ્રાફ પર વિઝ્યુઅલાઈઝ થાય છે.
મૂળભૂત આંકડાકીય અનુમાન હાથ ધરવા અને ફ્લાય પર પરિણામોની કલ્પના કરવા માટે એક સરળ સાધન તરીકે વિદ્યાર્થીઓ અને શિક્ષકો બંને માટે વિકસિત.
એપ ઓન- અને ઓફલાઈન મોડમાં કામ કરે છે (એપ સૂચવે છે કે તે મોટા લીલા બેનર સાથે ઓફલાઈન મોડમાં છે), જે તેને પરીક્ષાઓ માટે યોગ્ય બનાવે છે.
એપમાં કોન્ફિડન્સ ઈન્ટરવલ માટે કવરેજ પ્રોબેબિલિટી અથવા ટાઈપ I અને II ભૂલો અને પાવરની વિભાવનાઓ જેવી વિભાવનાઓ શોધવા માટે સમર્પિત મોડ્યુલ પણ છે. તે પ્રમાણના પરીક્ષણો (અને માધ્યમો માટે ચોક્કસ પરીક્ષણો.) માટે ખરેખર પ્રકાર II ભૂલ અને શક્તિ શોધી શકે છે.
સ્ક્રીનશોટ લઈને તમારા પરિણામો સરળતાથી શેર કરો.
આ રોજ અપડેટ કર્યું
8 જાન્યુ, 2025