多项式置信区间
Y=polyconf(p,X)
[Y,DELTA]=polyconf(p,X,S)
[Y,DELTA]=polyconf(p,X,S,参数1
,瓦尔1
,参数2
,瓦尔2
,...)
Y=polyconf(p,X)
计算多项式P
在X
.P
是以降幂表示的系数向量。
[Y,DELTA]=polyconf(p,X,S)
获取输出P
和s
从…起拟合
并生成95%的预测间隔Y±δ
用于在中的值处进行新观测X
.
[Y,DELTA]=polyconf(p,X,S,
指定从以下列表中选择的可选参数名称/值对。参数1
,瓦尔1
,参数2
,瓦尔2
,...)
参数 | 价值 |
---|---|
“阿尔法” |
介于0和1之间的值,用于指定 |
“穆” |
包含居中和缩放参数的两元素向量。使用此选项, |
“预选择” |
任何一个 |
“simopt” |
任何一个 |
这个“预选择”
和“simopt”
参数可以通过以下功能来理解:
P(x)-拟合估计的未知平均函数
L(x)-置信下限
U(x)-置信上限
假设你做了一个新的观察YN+1在xN+1因此
YN+1(xN+1) =P(xN+1) +εN+1
默认情况下,间隔为[LN+1(xN+1),UN+1(xN+1)]是否有95%的置信度YN+1(xN+1).
以下是“预选择”
和“simopt”
参数允许您指定其他边界。
“simopt” |
“预选择” |
有界量 |
---|---|---|
“关” |
“观察” |
YN+1(xN+1)(默认) |
“关” |
“曲线” |
P(xN+1) |
“开” |
“观察” |
YN+1(x),全部x |
“开” |
“曲线” |
P(x),全部x |
一般来说“观察”
间隔比“曲线”
区间,因为预测新响应值(曲线加随机误差)的额外不确定性。同样,同时区间比非同时区间宽,因为所有预测值的边界值的额外不确定性x.