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.