Exponenta Banner

mvnrobj

Функция логарифмической правдоподобности для многомерной нормальной регрессии без недостающих данных

Синтаксис

Objective = mvnrobj(Data,Design,Parameters,Covariance,CovarFormat)

Аргументы

Data

NUMSAMPLES- NUMSERIES матрица с NUMSAMPLES выборки NUMSERIES- размерный случайный вектор. Если выборка данных имеет отсутствующие значения, представленные как NaNs, выборка проигнорирована. Использование ecmmvnrmle обрабатывать недостающие данные.)

Design

Матрица A или массив ячеек, который обрабатывает две структуры модели:

  • Если NUMSERIES = 1, Design NUMSAMPLES- NUMPARAMS матрица с известными значениями. Эта структура является стандартной формой для регрессии на одном ряде.

  • Если NUMSERIES≥ 1 , Design массив ячеек. Массив ячеек содержит или один или NUMSAMPLES ячейки. Каждая ячейка содержит NUMSERIES- NUMPARAMS матрица известных значений.

    Если Design имеет отдельную ячейку, она принята, чтобы иметь тот же Design матрица для каждой выборки. Если Design имеет больше чем одну ячейку, каждая ячейка содержит Design матрица для каждой выборки.

Parameters

NUMPARAMS- 1 вектор-столбец оценок для параметров модели регрессии.

Covariance

NUMSERIES- NUMSERIES матрица оценок для ковариации остаточных значений регрессии.

CovarFormat

(Необязательно) Вектор символов, который задает формат для ковариационной матрицы. Выбор:

  • 'full' — Метод по умолчанию. Ковариационная матрица является полной матрицей.

  • 'diagonal' — Ковариационная матрица является диагональной матрицей.

Описание

Objective = mvnrobj(Data,Design,Parameters,Covariance,CovarFormat) вычисляет функцию логарифмической правдоподобности на основе текущих оценок параметра наибольшего правдоподобия без недостающих данных. Objective скаляр, который содержит функцию логарифмической правдоподобности.

Примечания

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.

Несмотря на то, что Design не должен иметь NaN значения, проигнорированные выборки из-за NaN значения в Data также проигнорированы в соответствующем Design массив.

Примеры

Смотрите многомерную нормальную регрессию, регрессию наименьших квадратов, метод взвешенных наименьших квадратов ковариации, выполнимые обобщенные наименьшие квадраты и на вид Несвязанную регрессию.

Смотрите также

| |

Темы

Введен в R2006a

Документация Financial Toolbox

Поддержка