非线性回归参数置信区间
ci = nlparci(β,渣油,柯伐合金,σ)
ci = nlparci(β,渣油,雅可比矩阵,J)
ci = nlparci(…,α,α)
ci = nlparci(β,渣油,柯伐合金,σ)
返回95%的置信区间ci
进行非线性最小二乘参数估计β
。在调用之前nlparci
,使用nlinfit
拟合非线性回归模型,得到系数估计数β
,残差渣油
,估计系数协方差矩阵σ
。
ci = nlparci(β,渣油,雅可比矩阵,J)
是另一种语法,它也计算95%置信区间。J
雅可比矩阵是由nlinfit
。如果“稳健”
选项与nlinfit
,可以使用“柯伐合金”
输入而不是的雅可比矩阵
输入所需的σ
参数考虑了稳健拟合。
ci = nlparci(…,α,α)
返回100(1α)
%的置信区间。
nlparci
对待南
年代渣油
或J
作为缺失值,并忽略相应的观察值。
置信区间计算对于长度为渣油
超过β
和J
有完整的列秩。当J
条件不佳时,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我=一个1+一个2exp (-一个3.x我) +ε我。
在这里,一个我是你想要估计的参数,x我数据点是什么y我答案是ε我是噪音。
编写一个表示模型的函数句柄:
mdl = @(a,x)(a(1) + a(2)*exp(-a(3)*x));
生成带有参数的合成数据一个
=(1; 3; 2)
,x
数据点随参数呈指数分布2
,以及带有标准差的正态分布噪声0.1
:
rng(9845,'twister') % for再现性a = [1;3;2];x = exprnd (2100 1);epsn = normrnd (0, 0.1,100, 1);y = mdl(a,x) + epsn;
将模型与任意猜测的数据进行拟合a0 = (2; 2; 2)
:
a0 = (2; 2; 2);[ahat, r, J,浸,mse) = nlinfit (x, y, mdl a0);ahat = 1.0153 3.0229 2.1070
检查是否(1; 3; 2)
在95%置信区间内使用雅可比参数nlparci
:
ci = nlparci(ahat,r,'雅可比矩阵',J) ci = 0.9869 1.0438 2.9401 3.1058 1.9963 2.2177
你可以使用协方差参数得到相同的结果:
ci = nlparci(ahat,r,'covar',cov) ci = 0.9869 1.0438 2.9401 3.1058 1.9963 2.2177