Логарифмическая функция правдоподобия для многомерной нормальной регрессии без недостающих данных
Objective = mvnrobj(Data,Design,Parameters,Covariance,CovarFormat)
|
|
| Матрица или массив ячеек, который обрабатывает две образцовых структуры:
|
|
|
|
|
| (Необязательно) Вектор символов, который задает формат для ковариационной матрицы. Выбор:
|
Objective = mvnrobj(Data,Design,Parameters,Covariance,CovarFormat) вычисляет логарифмическую функцию правдоподобия на основе текущих оценок параметра наибольшего правдоподобия без недостающих данных. Objective является скаляром, который содержит логарифмическую функцию правдоподобия.
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.
Несмотря на то, что Design не должен иметь значений NaN, проигнорированные выборки из-за значений NaN в Data также проигнорированы в соответствующем массиве Design.
Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.