MomentBalance è uno strumento di ricerca professionale che crea gruppi sperimentali statisticamente bilanciati da dati di misurazione CSV utilizzando algoritmi di ottimizzazione paralleli ad alte prestazioni. Funzionalità principali

Importazione dati CSV: Carica file con ID soggetti e valori di misurazione (volume in mm³, pesi, biomarcatori, ecc.)
Ottimizzazione doppia: Bilancia simultaneamente medie E deviazioni standard dei gruppi—fondamentale per ridurre le variabili confondenti
Elaborazione WASM parallela: Algoritmo Rust compilato in WebAssembly con pool di Web Worker per vero parallelismo multi-core
Algoritmo di ricottura simulata: Ottimizzazione probabilistica a temperatura controllata, calibrata per ogni dataset e mirata a un budget di tempo fisso anziché a un numero fisso di iterazioni
Configurazione flessibile dei gruppi: Scegli un numero qualsiasi di gruppi da 2 fino al numero di campioni, con distribuzione automatica delle dimensioni
Anteprima rapida: Una ricerca più veloce e approssimativa per regolare il numero di gruppi prima di lanciare l'esecuzione completa

Funzionalità avanzate

Calcolo ad alte prestazioni: 20-25× più veloce di JavaScript puro tramite WASM compilato ed esecuzione parallela
Utilizzo multi-core: Si adatta automaticamente ai core CPU disponibili per prestazioni ottimali
Interfaccia multilingue: Supporto completo per inglese canadese, francese canadese, tedesco, italiano e giapponese con rilevamento automatico della lingua del browser
Validazione statistica: Visualizza un valore p ANOVA citabile, i punteggi di idoneità dell'ottimizzatore e le metriche di varianza per variabile
Monitoraggio progresso: Feedback di avanzamento in tempo reale con notifica di completamento opzionale
UI semantica: Interfaccia pulita e accessibile con tema chiaro/scuro automatico utilizzando il framework Pico CSS Classless
Risultati pronti per l'esportazione: Assegnazioni di gruppo dettagliate con misurazioni individuali e riassunti statistici in formato CSV

Applicazioni di ricerca

Studi animali: Bilanciamento di volumi tumorali, pesi corporei, livelli di biomarcatori
Studi clinici: Creazione di gruppi di pazienti abbinati basati su misurazioni di base
Ricerca agricola: Bilanciamento di campioni di suolo, misurazioni di piante, parcelle di trattamento
Controllo qualità manifatturiero: Bilanciamento di lotti di prodotti, proprietà dei materiali, campioni di test
Ricerca educativa: Creazione di gruppi di studenti equivalenti per studi di intervento

Specifiche tecniche

Architettura: Motore di calcolo Rust/WASM con livello UI JavaScript
Parallelizzazione: Pool di worker che distribuisce esecuzioni di ottimizzazione indipendenti sui core CPU
Obiettivo di ottimizzazione: Minimizza la varianza delle medie di gruppo + varianza delle deviazioni standard di gruppo, normalizzata per variabile in modo che misurazioni su scale diverse siano pesate ugualmente
Algoritmo: Inizializzazione greedy seguita da ricottura simulata a temperatura controllata, con più prove indipendenti eseguite in parallelo e il miglior risultato mantenuto
Budget di elaborazione: Punta a un tempo di esecuzione fisso (circa un secondo di elaborazione parallela) anziché a un numero fisso di iterazioni o a un'impostazione di qualità visibile all'utente; la profondità di iterazione è calcolata automaticamente in base al numero di campioni e ai core CPU disponibili
Dimensione pacchetto: circa 148 KB totali—include motore WASM, framework UI, 5 file di lingua e tutte le dipendenze
Formato dati: CSV semplice (separato da virgole, senza virgolette)
Localizzazione: Formattazione dei numeri sensibile alle impostazioni locali (separatori decimali, raggruppamento delle migliaia, notazione scientifica)

Perché MomentBalance? L'assegnazione casuale tradizionale crea spesso gruppi sbilanciati, introducendo variabili confondenti che riducono la potenza statistica. MomentBalance garantisce che i tuoi gruppi sperimentali inizino con proprietà statistiche equivalenti, migliorando la validità delle tue analisi e riducendo il numero di soggetti necessari per rilevare gli effetti. L'ottimizzazione doppia sia delle medie che delle deviazioni standard è particolarmente importante quando la variabilità di base differisce tra le potenziali assegnazioni di gruppo—un problema comune nella ricerca biologica dove la variazione individuale è elevata. L'architettura WASM parallela consente l'elaborazione di set di dati più grandi rispetto agli strumenti basati su JavaScript, completando le analisi tipiche in circa un secondo. Perfetto per ricercatori, statistici e professionisti del controllo qualità che richiedono un design sperimentale rigoroso con assegnazioni di gruppo riproducibili.

Ultima versione

Versione 1.7.8

Versioni precedenti

Versione 1.7.7