4943
There is no translation available.

Kompatibel zu Mathematica 9

Experimental Data Analyst

Datenanalyse und Visualisierung mit Fehlerbetrachtung

Experimental Data Analyst ist ein Werkzeug zur automatisierten Analyse von Messdaten und erlaubt damit dem Anwender das Fitten von Daten mit lineare, polynomiellen oder frei definierbaren Modellen. Der Anwender hat damit absolute Freiheit in dem Fitmodell. Experimental Data Analyst verfügt über Funktionen zur automatischen Fehleranalyse von Messwerten (in X- und Y-Richtung), zeichnet die Residuen und verbessert das Fitmodell unter Optimierung der Residuen. Standardmäßig wird die Methode der kleinsten Quadrate angewendet, was jedoch änderbar ist. Von ausführlichen Funktionen zur Datenanpassung bis hin zur Datenvisualisierung und Transformation bietet Experimental Data Analyst eine eindrucksvolle neue Sammlung detaillierter Programme und Pakete, die das Maximum aus experimentellen Daten herausholen.

Darüber hinaus sind verschiedene Methoden zur Datentransformation verfügbar, wie Datenglättung und Rauschreduzierung sowie Routinen, die automatisch Präzisionsfehler verbreiten.

Eindrucksvolle Grafikfunktionen bieten dem Anwender eine ergiebige Umgebung für die Visualisierung experimenteller Daten. Eine Erweiterung von Mathematicas Funktion ListPlot visualisiert Fehler in Datenkoordinaten mit Fehlerbalken. Die Verteilung von Datenwerten kann mittels Histogrammen oder Boxplots dargestellt werden. Der Anwender hat dabei die volle Kontrolle über die Darstellungen der Daten, die Anzahl der bins, der Minima und der Maxima.

Weitere Informationen zu Einsatzbereichen und Features erhalten Sie auf den Webseiten von Wolfram Research

Features

Features von Experimental Data Analyst

Datenanpassung

  • Lineare Anpassung mit der Methode des kleinsten Quadrates mit beliebiger Basisfunktion
  • Nicht-lineare Anpassung mit dem iterativen Levenberg-Marquardt Algorithmus
  • Parameterschätzung bei spektralen Spitzen
  • Datenanpassung mit Ausreißern unter Verwendung des Medians oder gewichtete Residuen
  • Datenglättung mit Mittlungsverfahren, Fourierfiltern oder des Loess-Verfahrens

Fehleranalyse

  • Fehlerschätzung in ten Parametern der Anpassung
  • Fehler in beidenKoordinaten der Daten
  • Werteanpassung für signifikante Zahlen
  • Kombinierte Fehler in Quadratur

Datenvisualisierung und -transformation

  • Balkendiagramm
  • Kastenplot (boxplot)
  • Automatische Anzeige von Fehlerhaften Koordinaten
  • Erweiterter ListPlot Befehl

Auslesen und Verarbeiten von Daten

  • Import und Export von ASCII und Binär Formaten
  • Echter Experimenteller Daten aus ganz unterschiedlichen Bereichen