Класс для оценки моделей и расчета ПЭВ
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 xregstatsmodel класс для оценки модели и вычисления дисперсии ошибки прогнозирования.
Можно создать xregstatsmodel по одному из следующих объектов:
Экспорт модели из браузера модели в рабочее пространство.
Преобразование любого ответа командной строки или объекта модели в xregstatsmodel с помощью метода экспорта.
Используйте метод экспорта для преобразования mbcmodel.hierarchicalresponse, mbcmodel.localresponse, mbcmodel.response и mbcmodel.model объекты в xregstatsmodel объекты. Использовать синтаксис ExportedModel = Export(MODEL). Формат по умолчанию: 'MATLAB' поэтому не нужно указывать формат.
После создания xregstatsmodel Для оценки модели и вычисления дисперсии ошибки прогнозирования можно использовать следующие методы.
EvalModel - оценка модели
pev - оценить дисперсию ошибки прогнозирования
ceval - вычислить граничную модель
dferror - степени свободы для ошибки
predint - вычислить доверительные интервалы для прогнозирования модели
nfactors - получить количество входных коэффициентов
При преобразовании mbcmodel.localresponse с использованием Export, и вы не создали двухэтапную модель (иерархический объект ответа), то вывод mbcPointByPointModel объект. Двухточечные модели создаются из коллекции локальных моделей для различных рабочих точек. mbcPointByPointModel объекты совместно используют все те же методы, что и xregstatsmodel кроме dferror.
y = StatsModel(X) оценивает xregstatsmodel объект модели StatsModel при входных значениях X. X является (N-by-NF) массив, где NF - количество входов, и N количество точек для оценки модели в.
Y = EvalModel(StatsModel, X) вычисляет модель при входных значениях X. Можно также вычислять модели, используя круглые скобки, например, y = StatsModel(X)
[pev, Y] = pev(StatsModel, X) вычисляет дисперсию ошибки прогнозирования модели в X, pev, а также возвращает Y оцененная модель в X.
C = ceval(StatsModel, X) оценивает ограничения граничной модели в X.
df = dferror(StatsModel) получение степеней свободы для модели.
Interval = predint(StatsModel,X,Level); вычисляет доверительный интервал для прогнозирования модели. A Level вычисляют доверительный интервал предсказаний относительно прогнозируемого значения. Значение по умолчанию для Level является 99. Interval является Nx2 массив, где первый столбец является нижней границей, а второй столбец является верхней границей.
n = nfactors(StatsModel) получает число входных коэффициентов модели. [n,symbols,units] = nfactors(StatsModel) возвращает число, символы и единицы измерения входных коэффициентов в модели.