Функция логарифмической правдоподобности для регрессии наименьших квадратов с недостающими данными
Objective = ecmlsrobj(Data,Design,Parameters,Covariance)
|
|
| Матрица A или массив ячеек, который обрабатывает две структуры модели:
|
|
|
| (Необязательно) |
Objective = ecmlsrobj(Data,Design,Parameters,Covariance) вычисляет целевую функцию наименьших квадратов на основе текущих оценок параметра с недостающими данными. Objective скаляр, который содержит целевую функцию наименьших квадратов.
ecmlsrobj требует того Covariance будьте положительно-уверенны.
Обратите внимание на то, что
ecmlsrobj(Data, Design, Parameters) = ecmmvnrobj(Data, ... Design, Parameters, IdentityMatrix)
где IdentityMatrix NUMSERIES- NUMSERIES единичная матрица.
Можно сконфигурировать Design как матрица, если NUMSERIES = 1 или как массив ячеек, если NUMSERIES≥ 1 .
Если Design массив ячеек и NUMSERIES= 1 , каждая ячейка содержит NUMPARAMS вектор-строка.
Если Design массив ячеек и NUMSERIES> 1 , каждая ячейка содержит NUMSERIES- NUMPARAMS матрица.
Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.