合并估计模型
m = merge(M1,M2,....,Mn)
[M,TV] =合并(M1,M2)
m = merge(M1,M2,....,Mn)
合并估计的模型。模型m1,m2,...,mn
必须是相同的结构,刚刚在参数值和协方差矩阵中的不同。然后M.
是合并的模型,其中参数矢量是统计上加权的平均值(使用协方差矩阵来确定权重)的参数m
。
[M,TV] =合并(M1,M2)
返回一个测试变量电视
。当两个模型合并时,
[M,TV] =合并(M1,M2)
电视
是χ2分发N.
自由度,如果参数M1
和M2
有相同的手段。这里N.
是参数矢量的长度。大量的价值电视
因此,表明它可能是值得怀疑的合并模型。
为了IDFRD.
楷模,合并
是使用逆差的各个模型中的两个响应的统计平均值。你只能合并两个IDFRD.
具有相同频率和非零协方差的响应的模型。
合并模型是合并数据集和估计合并数据模型的替代方案。
加载IDDATA1 Z1;加载IDDATA2 Z2;M1 = ARX(Z1,[2 3 4]);M2 = ARX(Z2,[2 3 4]);ma =合并(M1,M2);
和
MB = ARX(合并(Z1,Z2),[2 3 4]);
导致模型嘛
和MB.
这相关,应该是关闭的。不同之处在于合并数据集假设信号 - 噪声比在两个实验中大致相同。合并模型允许一个模型更不确定,例如,由于该实验中的扰动更多。如果条件大致相同,我们建议您合并数据而不是模型,因为这更有效并且通常涉及更好的条件计算。