XLSTAT 2020.5

Banner_White_Mail.png

 

XLSTAT 2020.5 が利用可能になりました! 新機能は? 

審査員の製品に対する認知に基づいて彼らをクラスタリングする新しい手法が利用可能です。CLUSCATAは、CATAデータへのCLUSTATISの適応とみなすことができます。興味深いオプションは、どのクラスにも適合しない審査員を脇に置くために、"K+1" クラスを作成することです。

官能データ分析メニューの下でこの機能にアクセスできます。 

CATARACT (CATA Rejection and Acceptation Tests) 手順が、CATA調査の説明を提供し、 アンケートの品質に関する情報を抽出することを可能にします。この手順の一部として、
新しい3つのオプションが、CATA ダイアログ・ボックスで利用可能です:

  • CATAデータの検証: CATAデータの品質をチェック。

  • 属性の独立性: 各製品で審査員が同じ属性をチェックしているかどうかを判断。 

  • 複数セッションの取り扱い: 審査員が複数回1個の製品を評価する予期しないケースを取り扱う。

官能データ分析メニューの下でこの機能に悪アセスできます。

3つのパラメータ(親サイズ、子サイズ、深度)を定義するために3とおりから選択でいるようになりました:

  • 各パラメータの値を手動で入力

  • XLSTATにK分割交差検証に基づいて最適な値を探索させる

  • 値の範囲を設定して、XLSTATに最良のパラメータの組み合わせを選ばせる。  

機械学習メニューの下でこの機能にアクセスできます。 

ブーストされた出力とグラフ:

  • モデル・パラメータの表に95%下限および上限が追加されました。 

  • 95%信頼区間および予測区間曲線が回帰グラフに表示されます。 

  • 4つの新しい酵素反応速度方程式 (競合、非競合、不競合、混合阻害) 

データ・モデリング・メニューの下でこの機能にアクセスできます。 

欠損値の新しい手法とより良い取り扱い:

  • 量的および質的欠損値を同時に扱えるようになりました。 

  • 量的欠損値のためにEMアルゴリズムが実装されました。 

  • 質的欠損値のためにNIPALSアルゴリズムと任意のテキスト値への置換が利用可能。   

データ準備メニューの下でこの機能にアクセスできます。 


XLSTAT 2020.5.1の取得方法は?

Version 2020.5.1 は、上記のすべての改良、高度なオプションおよびソフトウェアの性能向上へのアクセスを提供します。新バージョンのインストールは、すべてのユーザーに推奨されます。

現在トライアル・バージョンを使用中か、または有効なライセンスをお持ちであれば、無償で version 2020.5.1 をダウンロードできます:

無償アップグレードおよびメンテナンスへのアクセス権のない永続ライセンスをお持ちの場合は、MyXLSTATポータルからアップグレードを注文するか、弊社にお問い合わせ ください。


最新のイベント

This module focuses on Analysis of Variance, but this technique makes assumptions about the underlying distributions in our data

This course covers the excellent features in XLSTAT for investigating, visualising and modelling data sets with measurements on many variables.

This short course delivered online will show consumer scientists how to set up and learn about the routines available in XLSTAT for relating consumer acceptability to sensory/analytic measures.

最新ツィート

💡 How is XLSTAT being used in research? In this paper, discover whether and how straw materials could affect sensor… https://t.co/GqKhmO33P3

☕ How can we split a collection of stone fragments into groups of similar pieces using k-means clustering?… https://t.co/HWTEgA4Og9

🔎 How to deal with missing data? ➡️ NIPALS, MCMC, EM algorithm or Nearest Neighbor: Discover the #XLSTAT methods pr… https://t.co/I5Ia2BOlmf