非线性回归参数置信区间
CI = NLPARCI(Beta,Resid,'Covar',Sigma)
CI = NLPARCI(Beta,Resid,'Jacobian',J)
ci = nlparci(...,','alpha',alpha)
CI = NLPARCI(Beta,Resid,'Covar',Sigma)
返回95%的置信区间CI.
对于非线性最小二乘参数估计bet
。在打电话之前nlparci.
, 采用nlinfit.
适合非线性回归模型并获得系数估计bet
,残差渣滓
,估计系数协方差矩阵Sigma.
。
CI = NLPARCI(Beta,Resid,'Jacobian',J)
是一种替代语法,也计算95%的置信区间。j
雅各比亚计算了nlinfit.
。如果是'强大的'
选项用于nlinfit.
, 使用'COVAR'
输入而不是'雅各比亚'
输入以便所需的Sigma.
参数考虑到稳健的拟合。
ci = nlparci(...,','alpha',alpha)
回报100(1-alpha)
% 置信区间。
nlparci.
对待南
in.渣滓
要么j
作为缺失的值,忽略相应的观察。
置信区间计算对于长度的系统有效渣滓
超过了bet
和j
有全柱等级。什么时候j
是不良状态,置信区间可能不准确。
假设您有数据,并希望适合表单的模型
y一世=一种1+一种2exp( -一种3.X一世)+ε.一世。
在这里一种一世是您想要估计的参数,X一世是数据点,是y一世是回应,以及ε.一世是噪音术语。
编写表示模型的函数句柄:
mdl = @(a,x)(a(1)+ a(2)* exp(-a(3)* x));
使用参数生成合成数据一种
=[1; 3; 2]
,与之X
数据点与参数指数分布2
,以及具有标准偏差的正常分布噪声0.1
:
RNG(9845,'Twister')%,可重复性a = [1; 3; 2];x = EXPRND(2,100,1);epsn = normrnd(0,0.1,100,1);y = mdl(a,x)+ epsn;
将模型与任意猜测开始的数据A0 = [2; 2; 2]
:
A0 = [2; 2; 2];[ahat,r,j,cov,mse] = nlinfit(x,y,mdl,a0);ahat ahat = 1.0153 3.0229 2.1070
检查是否[1; 3; 2]
使用雅各比亚语的置信区间是95%的置信区间nlparci.
:
CI = NLPARCI(AHAT,R,'Jacobian',J)CI = 0.9869 1.0438 2.9401 3.1058 1.9963 2.2177
您可以使用Covariance参数获取相同的结果:
CI = NLPARCI(AHAT,R,'COVAR',CIC)CI = 0.9869 1.0438 2.9401 3.1058 1.9963 2.2177