Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

nlparci

Intervalos de confianza de los parámetros de regresión no lineal

    Descripción

    ci = nlparci(beta,r,"Covar",CovB) devuelve los intervalos de confianza del 95% ci de las estimaciones de parámetros de mínimos cuadrados no lineales beta. Antes de llamar a nlparci, obtenga los coeficientes estimados beta, los valores residuales r y la matriz de covarianzas estimada CovB utilizando la función nlinfit para ajustar un modelo de regresión no lineal.

    Si utiliza una opción robusta con nlinfit, debe utilizar esta sintaxis para nlparci. Se requiere la matriz de covarianzas CovB con ajuste robusto.

    ci = nlparci(beta,r,"Jacobian",J) devuelve los intervalos de confianza del 95% ci de las estimaciones de parámetros de mínimos cuadrados no lineales beta. Antes de llamar a nlparci, obtenga los coeficientes estimados beta, los valores residuales r y la jacobiana J utilizando la función nlinfit para ajustar un modelo de regresión no lineal.

    ejemplo

    ci = nlparci(___,"Alpha",alpha) devuelve los intervalos de confianza del 100(1 — alpha)% utilizando cualquiera de las combinaciones de argumentos de entrada de las sintaxis anteriores.

    Ejemplos

    contraer todo

    Ajuste un modelo de decrecimiento exponencial con el formato

    yi=β1+β2exp(-β3xi)+ϵi,

    donde βj son los parámetros que se desea estimar, xi son los puntos de datos, yi son las respuestas y εi es el término de ruido.

    Escriba un identificador de función que represente el modelo.

    mdl = @(beta,x)(beta(1) + beta(2)*exp(-beta(3)*x));

    Genere datos sintéticos con valores de parámetros reales beta = [1;3;2], x con puntos de datos distribuidos exponencialmente con el parámetro 2 y con ruido distribuido con normalidad con la media 0 y la desviación estándar 0.1.

    rng(9845,'twister') % For reproducibility
    beta = [1;3;2];
    x = exprnd(2,100,1);
    epsn = normrnd(0,0.1,100,1);
    y = mdl(beta,x) + epsn;

    Ajuste el modelo a los datos a partir del valor arbitrario beta0 = [2;2;2].

    beta0 = [2;2;2];
    [betahat,r,J,CovB,mse] = nlinfit(x,y,mdl,beta0);
    betahat
    betahat = 3×1
    
        1.0153
        3.0229
        2.1070
    
    

    Calcule los intervalos de confianza del 95% utilizando la matriz de covarianzas. Tenga en cuenta que los valores de parámetros reales [1;3;2] están dentro de los tres intervalos.

    ci = nlparci(betahat,r,"Covar",CovB)
    ci = 3×2
    
        0.9869    1.0438
        2.9401    3.1058
        1.9963    2.2177
    
    

    Puede obtener el mismo resultado usando la jacobiana.

    ci = nlparci(betahat,r,"Jacobian",J)
    ci = 3×2
    
        0.9869    1.0438
        2.9401    3.1058
        1.9963    2.2177
    
    

    Determine si los valores de parámetros reales [1;3;2] están dentro de los intervalos de confianza más estrechos del 90%. Tenga en cuenta que β1 y β2 están dentro de estos intervalos, pero β3 no.

    ci = nlparci(betahat,r,"Covar",CovB,"Alpha",0.1)
    ci = 3×2
    
        0.9915    1.0392
        2.9536    3.0923
        2.0144    2.1996
    
    

    Represente los coeficientes de regresión estimados con los intervalos de confianza del 90%.

    lowerBars = betahat - ci(:,1);
    upperBars = ci(:,2) - betahat;
    errorbar(1:3,betahat,lowerBars,upperBars,'*'), grid
    title('Estimated Regression Coefficients with 90% Confidence Intervals')
    ylabel('Coefficient Value')
    xlabel('Estimated Regression Coefficient \beta_j, j = 1,2,3')
    xticks([1 2 3])
    xlim([.8 3.2])

    Figure contains an axes object. The axes object with title Estimated Regression Coefficients with 90% Confidence Intervals, xlabel Estimated Regression Coefficient beta indexOf j, baseline blank j blank = 1,2,3, ylabel Coefficient Value contains an object of type errorbar.

    Argumentos de entrada

    contraer todo

    Coeficientes de regresión estimados, especificados como un vector numérico devuelto por la función nlinfit.

    Tipos de datos: single | double

    Valores residuales, especificados como un vector numérico devuelto por la función nlinfit.

    Tipos de datos: single | double

    Matriz de covarianzas estimada para los coeficientes ajustados beta, especificada como una matriz numérica devuelta por la función nlinfit.

    Tipos de datos: single | double

    Jacobiana estimada, especificada como una matriz numérica devuelta por la función nlinfit.

    Tipos de datos: single | double

    Nivel de significación de los intervalos de confianza, especificado como un valor de escalar en el rango (0,1). El nivel de confianza es 100(1 — alpha)%, donde alpha es la probabilidad de que los intervalos de confianza no contengan el valor real.

    El nivel de confianza predeterminado es del 95% (alpha = 0.05).

    Ejemplo: "Alpha",0.1

    Tipos de datos: single | double

    Argumentos de salida

    contraer todo

    Intervalos de confianza para los coeficientes de regresión estimados, devueltos como una matriz numérica de N por 2, donde N es el número de filas de beta. La primera columna de ci representa los límites inferiores del intervalo de confianza y la segunda columna representa los límites superiores.

    Tipos de datos: single | double

    Algoritmos

    • nlparci trata los valores NaN de los valores residuales r o la jacobiana J como valores faltantes e ignora las observaciones correspondientes.

    • El cálculo del intervalo de confianza es válido para los sistemas en los que la longitud de los valores residuales r supere a la longitud de los coeficientes beta y la jacobiana J tenga un rango de columna completo. Cuando J esté mal condicionada, los intervalos de confianza podrían no ser precisos.

    Funcionalidad alternativa

    También puede obtener los intervalos de confianza utilizando la función fitnlm en lugar de nlinfit y la función coefCI en lugar de nlparci.

    Historial de versiones

    Introducido antes de R2006a

    Consulte también

    |