Класс для оценки моделей и вычисления PEV
y = StatsModel(X)
Y = EvalModel(StatsModel, X)
[pev, Y] = pev(StatsModel, X)
C = ceval(StatsModel, X)
df = dferror(StatsModel)
Interval = predint(StatsModel,X,Level);
n = nfactors(StatsModel)
[n,symbols,units] = nfactors(StatsModel)
Используйте класс xregstatsmodel, чтобы оценить модель и вычислить ошибочное отклонение прогноза.
Можно создать объект xregstatsmodel также:
Экспорт модели от Model Browser до рабочей области.
Преобразование любого ответа командной строки или объекта модели к xregstatsmodel при помощи метода Экспорта.
Используйте метод Экспорта, чтобы преобразовать mbcmodel.hierarchicalresponse, mbcmodel.localresponse, mbcmodel.response и mbcmodel.model возражают против объектов xregstatsmodel. Используйте синтаксис ExportedModel = Export(MODEL). Форматом по умолчанию является 'MATLAB', таким образом, вы не должны задавать формат.
После того, как вы создадите объект xregstatsmodel, можно использовать следующие методы, чтобы оценить модель и вычислить ошибочное отклонение прогноза:
EvalModel — оцените модель
pev — оцените ошибочное отклонение прогноза
ceval – оцените граничную модель
dferror — степени свободы для ошибки
predint — вычислите доверительные интервалы для образцового прогноза
nfactors — получите количество входных факторов
Если вы преобразовываете объект mbcmodel.localresponse с помощью Экспорта, и вы не создали модель 2D этапа (иерархический объект ответа), то вывод является объектом mbcPointByPointModel. Детальные модели создаются из набора локальных моделей для различных рабочих точек. объекты mbcPointByPointModel совместно используют весь одинаковый методы как xregstatsmodel кроме dferror.
y = StatsModel(X) оценивает объект модели xregstatsmodel StatsModel во входных значениях X. X является массивом (N-by-NF), где NF является количеством входных параметров и N число точек, чтобы оценить модель в.
Y = EvalModel(StatsModel, X) оценивает модель во входных значениях X. Можно также оценить модели с помощью круглых скобок, например, y = StatsModel(X)
[pev, Y] = pev(StatsModel, X) вычисляет ошибочное отклонение прогноза модели в X, pev, и также возвращает Y оцененная модель в X.
C = ceval(StatsModel, X) оценивает граничные образцовые ограничения в X.
df = dferror(StatsModel) получает степени свободы для модели.
Interval = predint(StatsModel,X,Level); вычисляет доверительный интервал для образцового прогноза. Доверительный интервал Level прогнозов вычисляется об ожидаемом значении. Значением по умолчанию для Level является 99. Interval является массивом Nx2, где первый столбец является нижней границей, и второй столбец является верхней границей.
n = nfactors(StatsModel) получает количество входных факторов модели. [n,symbols,units] = nfactors(StatsModel) возвращает номер, символы и модули входа включает модель.
