Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

nlparci

Intervalos de confianza de parámetros de regresión no lineales

Sintaxis

ci = nlparci(beta,resid,'covar',sigma)
ci = nlparci(beta,resid,'jacobian',J)
ci = nlparci(...,'alpha',alpha)

Descripción

ci = nlparci(beta,resid,'covar',sigma) Devuelve los intervalos de confianza de 95% para las estimaciones de parámetros de mínimos cuadrados no lineales.cibeta Antes de llamar, utilícelas para ajustar un modelo de regresión no lineal y obtener las estimaciones de coeficiente, los residuales y la matriz de covarianza de coeficiente estimado.nlparcinlinfitbetaresidsigma

ci = nlparci(beta,resid,'jacobian',J) es una sintaxis alternativa que también calcula 95% intervalos de confianza. es el jacobiano calculado por.Jnlinfit Si se utiliza la opción, utilice la entrada en lugar de la entrada para que el parámetro necesario tenga en cuenta el ajuste robusto.'robust'nlinfit'covar''jacobian'sigma

ci = nlparci(...,'alpha',alpha) Devuelve% de intervalos de confianza.100(1-alpha)

trata los valores de s o como faltantes, y omite las observaciones correspondientes.nlparciNaNresidJ

El cálculo del intervalo de confianza es válido para los sistemas en los que la longitud excede la longitud de la columna y tiene el rango de columnas completo.residbetaJ Cuando está mal acondicionado, los intervalos de confianza pueden ser inexactos.J

Ejemplos

Ajuste a la descomposición exponencial

Supongamos que tiene datos y desea ajustar un modelo del formulario

yi =a1 +a2exp (–a3Xi) + Εi.

Aquí el Uni son los parámetros que desea estimar, Xi son los puntos de datos, el yi son las respuestas, y el Εi son términos de ruido.

  1. Escriba un identificador de función que represente el modelo:

    mdl = @(a,x)(a(1) + a(2)*exp(-a(3)*x));
  2. Generar datos sintéticos con parámetros =, con los puntos de datos distribuidos exponencialmente con parámetro, y normalmente distribuido ruido con desviación estándar:a[1;3;2]x20.1

    rng(9845,'twister') % for reproducibility a = [1;3;2]; x = exprnd(2,100,1); epsn = normrnd(0,0.1,100,1); y = mdl(a,x) + epsn;
  3. Ajuste el modelo a los datos a partir de la suposición arbitraria: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
  4. Compruebe si está en un intervalo de confianza del 95% utilizando el argumento jacobiano en:[1;3;2]nlparci

    ci = nlparci(ahat,r,'Jacobian',J)  ci =     0.9869    1.0438     2.9401    3.1058     1.9963    2.2177
  5. Puede obtener el mismo resultado utilizando el argumento de covarianza:

    ci = nlparci(ahat,r,'covar',cov)  ci =     0.9869    1.0438     2.9401    3.1058     1.9963    2.2177

Consulte también

|

Introducido antes de R2006a