Логарифмическая функция правдоподобия для регрессии наименьших квадратов с недостающими данными
Objective = ecmlsrobj(Data,Design,Parameters,Covariance)
|
|
| Матрица или массив ячеек, который обрабатывает две образцовых структуры:
|
|
|
| (Необязательно) |
Objective = ecmlsrobj(Data,Design,Parameters,Covariance) вычисляет целевую функцию наименьших квадратов на основе текущих оценок параметра с недостающими данными. Objective является скаляром, который содержит целевую функцию наименьших квадратов.
ecmlsrobj требует, чтобы тот Covariance был положительно-определенным.
Обратите внимание на то, что
ecmlsrobj(Data, Design, Parameters) = ecmmvnrobj(Data, ... Design, Parameters, IdentityMatrix)
где IdentityMatrix является NUMSERIES-by-NUMSERIES единичная матрица.
Можно сконфигурировать Design как матрицу если NUMSERIES = 1 или как массив ячеек если NUMSERIES ≥ 1.
Если Design является массивом ячеек и NUMSERIES = 1, каждая ячейка содержит вектор - строку NUMPARAMS.
Если Design является массивом ячеек и NUMSERIES > 1, каждая ячейка содержит NUMSERIES-by-NUMPARAMS матрица.
Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.