Нелинейная регрессия предсказания доверия интервалы
[
возвращает предсказания, Ypred
,delta
]
= nlpredci(modelfun
,X
,beta
,R
,'Covar',CovB
)Ypred
, и 95% доверительных интервалов, половинные ширины, delta
, для нелинейной регрессионой модели modelfun
при входных значениях X
. Перед вызовом nlpredci
, использование nlinfit
для подгонки modelfun
и получите оцененные коэффициенты, beta
, невязки, R
, и дисперсионно-ковариационная матрица, CovB
.
[
возвращает предсказания, Ypred
,delta
]
= nlpredci(modelfun
,X
,beta
,R
,'Jacobian',J
)Ypred
, и 95% доверительных интервалов, половинные ширины, delta
, для нелинейной регрессионой модели modelfun
при входных значениях X
. Перед вызовом nlpredci
, использование nlinfit
для подгонки modelfun
и получите оцененные коэффициенты, beta
, невязки, R
, и Якобиан, J
.
Если вы используете устойчивую опцию с nlinfit
, тогда вы должны использовать Covar
синтаксис, а не Jacobian
синтаксис. Дисперсионно-ковариационная матрица, CovB
, требуется, чтобы правильно принять во внимание прочный подбор кривой.
Чтобы вычислить доверительные интервалы для сложных параметров или данных, необходимо разделить задачу на ее реальные и мнимые части. При вызове nlinfit
:
Задайте вектор параметра beta
как конкатенация действительной и мнимой частей исходного вектора параметра.
Конкатенируйте действительную и мнимую части вектора отклика Y
как один вектор.
Измените функцию модели modelfun
чтобы принять X
и чисто действительный вектор параметра, и возвращает конкатенацию действительной и мнимой частей подобранных значений.
С задачей сформулированной таким образом, nlinfit
вычисляет реальные оценки, и доверительные интервалы допустимы.
nlpredci
лечит NaN
значения в невязках, R
или якобиан, J
, как отсутствующие значения и игнорирует соответствующие наблюдения.
Если якобиан, J
, не имеет полного ранга столбца, тогда некоторые параметры модели могут быть неидентифицируемыми. В этом случае, nlpredci
пытается построить доверительные интервалы для оценочных предсказаний и возвращает NaN
для тех, кто не является.
[1] Переулок, Т. П. и В. Х. Дюмушель. «Одновременные доверительные интервалы в множественных регрессиях». Американский статистик. Том 48, № 4, 1994, стр. 315-321.
[2] Seber, G. A. F., and C. J. Wild. Нелинейная регрессия. Hoboken, NJ: Wiley-Interscience, 2003.