Нелинейные доверительные интервалы предсказания регрессии
[
возвращает предсказания, Ypred
,delta
]
= nlpredci(modelfun
,X
,beta
,R
,'Covar',CovB
)Ypred
, и 95% полуширин доверительного интервала, delta
, для нелинейной модели modelfun
регрессии во входных значениях
X
. Прежде, чем вызвать nlpredci
, используйте nlinfit
соответствовать modelfun
и получите предполагаемые коэффициенты, beta
, остаточные значения, R
, и ковариационная матрица отклонения, CovB
.
[
возвращает предсказания, Ypred
,delta
]
= nlpredci(modelfun
,X
,beta
,R
,'Jacobian',J
)Ypred
, и 95% полуширин доверительного интервала, delta
, для нелинейной модели modelfun
регрессии во входных значениях
X
. Прежде, чем вызвать nlpredci
, используйте nlinfit
соответствовать modelfun
и получите предполагаемые коэффициенты, beta
, остаточные значения, R
, и якобиан, J
.
Если вы используете устойчивую опцию с nlinfit
, затем необходимо использовать Covar
синтаксис, а не Jacobian
синтаксис. Ковариационная матрица отклонения, CovB
, требуется, чтобы правильно принимать устойчивый подбор кривой во внимание.
Чтобы вычислить доверительные интервалы для комплексных параметров или данных, необходимо разделить проблему в ее действительные и мнимые части. При вызове nlinfit
:
Задайте свой вектор параметра beta
как конкатенация действительных и мнимых частей исходного вектора параметра.
Конкатенация действительных и мнимых частей вектора отклика Y
как один вектор.
Измените свой функциональный modelfun
модели принять
X
и чисто действительный вектор параметра, и возвращает конкатенацию действительных и мнимых частей подходящих значений.
С проблемой, сформулированной этот путь, nlinfit
вычисляет действительные оценки, и доверительные интервалы выполнимы.
nlpredci
обработки NaN
значения в остаточных значениях, R
, или якобиан, J
, как отсутствующие значения, и игнорирует соответствующие наблюдения.
Если якобиан, J
, не имеет полного ранга столбца, затем некоторые параметры модели могут не идентифицироваться. В этом случае, nlpredci
попытки создать доверительные интервалы для допускающих оценку предсказаний, и возвращают NaN
для тех, которые не являются.
[1] Маршрут, T. P. и В. Х. Думучель. “Одновременные Доверительные интервалы во Множественной регрессии”. Американский Статистик. Издание 48, № 4, 1994, стр 315–321.
[2] Seber, G. A. F. и C. J. Дикий. Нелинейная регрессия. Хобокен, NJ: Wiley-межнаука, 2003.