Класс для оценки моделей и вычисления PEV
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, чтобы оценить модель и вычислить ошибочное отклонение предсказания.
Можно создать xregstatsmodel объект также:
Экспорт модели от Model Browser до рабочей области.
Преобразование любого ответа командной строки или объекта модели к xregstatsmodel при помощи метода Экспорта.
Используйте метод Экспорта, чтобы преобразовать mbcmodel.hierarchicalresponse, mbcmodel.localresponse, mbcmodel.response и mbcmodel.model объекты к xregstatsmodel объекты. Используйте синтаксис ExportedModel = Export(MODEL). Форматом по умолчанию является 'MATLAB' таким образом, вы не должны задавать формат.
После того, как вы создаете xregstatsmodel объект, можно использовать следующие методы, чтобы оценить модель и вычислить ошибочное отклонение предсказания:
EvalModel — оцените модель
pev — оцените ошибочное отклонение предсказания
ceval – оцените граничную модель
dferror — степени свободы для ошибки
predint — вычислите доверительные интервалы для предсказания модели
nfactors — получите количество входных факторов
Если вы преобразуете mbcmodel.localresponse объект с помощью Экспорта и вы не создали модель 2D этапа (иерархический объект ответа), затем выходом является mbcPointByPointModel объект. Детальные модели создаются из набора локальных моделей для различных рабочих точек. mbcPointByPointModel объекты совместно используют весь одинаковый методы как xregstatsmodel кроме dferror.
y = StatsModel(X) оценивает xregstatsmodel объект модели StatsModel во входных значениях XX (N-by-NF) массив, где NF количество входных параметров и N число точек, чтобы оценить модель в.
Y = EvalModel(StatsModel, X) оценивает модель во входных значениях X. Можно также оценить модели с помощью круглых скобок, например, y = StatsModel(X)
[pev, Y] = pev(StatsModel, X) вычисляет ошибочное отклонение предсказания модели в X, pev, и также возвращает Y оцененная модель в X.
C = ceval(StatsModel, X) оценивает граничные ограничения модели в X.
df = dferror(StatsModel) получает степени свободы для модели.
Interval = predint(StatsModel,X,Level); вычисляет доверительный интервал для предсказания модели. Level доверительный интервал предсказаний вычисляется об ожидаемом значении. Значение по умолчанию для Level 99Интервал Nx2 массив, где первый столбец является нижней границей и вторым столбцом, является верхней границей.
n = nfactors(StatsModel) получает количество входных факторов модели. [n,symbols,units] = nfactors(StatsModel) возвращает номер, символы и модули входа включает модель.
