nlparci.
非线性回归参数置信区间
句法
CI = NLPARCI（Beta，Resid，'Covar'，Sigma）
CI = NLPARCI（Beta，Resid，'Jacobian'，J）
ci = nlparci（...，'，'alpha'，alpha）
描述
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。
例子
适应指数衰减
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
您还可以从以下列表中选择一个网站：
