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

random

Clase: NonLinearModel

Simular respuestas para el modelo de regresión no lineal

Sintaxis

ysim = random(mdl)
ysim = random(mdl,Xnew)
ysim = random(mdl,Xnew,'Weights',W)

Descripción

ysim = random(mdl) simula las respuestas del modelo no lineal ajustado en los puntos de diseño originales.mdl

ysim = random(mdl,Xnew) simula las respuestas del modelo no lineal ajustado a los datos en, añadiendo ruido aleatorio.mdlXnew

ysim = random(mdl,Xnew,'Weights',W) simula las respuestas utilizando los pesos de observación,.W

Argumentos de entrada

mdl

Modelo de regresión no lineal, construido por.fitnlm

Xnew

Puntos en los que predice las respuestas.mdl

  • Si es una matriz de tabla o DataSet, debe contener los nombres de predictor en.Xnewmdl

  • Si es una matriz numérica, debe tener el mismo número de variables (columnas) que se usó para crear.Xnewmdl Además, todas las variables utilizadas en la creación deben ser numéricas.mdl

W

Vector de pesos de valor real, positivo o un manejador de funciones.

  • Si especifica un vector, debe tener el mismo número de elementos que el número de observaciones (o filas) en.Xnew

  • Si especifica un identificador de función, la función debe aceptar un vector de valores de respuesta pronosticados como entrada y devuelve un vector de pesos positivos reales como salida.

Pesos dados,, estima la varianza del error en la observación por, donde MSE es el error cuadrado medio.WAleatorioiMSE*(1/W(i))

Predeterminado: Sin pesos

Argumentos de salida

ysim

Vector de valores media previstos, perturbado por ruido aleatorio.Xnew El ruido es independiente, normalmente distribuido, con un cero medio y una varianza igual a la varianza de error estimada del modelo.

Ejemplos

expandir todo

Cree un modelo no lineal de kilometraje de coche en función del peso y simule la respuesta.

Crear un modelo exponencial de kilometraje de coche en función del peso de los datos.carsmall Escale el peso por un factor de 1000 para que todas las variables sean aproximadamente iguales en tamaño.

load carsmall X = Weight; y = MPG; modelfun = 'y ~ b1 + b2*exp(-b3*x/1000)'; beta0 = [1 1 1]; mdl = fitnlm(X,y,modelfun,beta0);

Cree respuestas simuladas a los datos.

Xnew = X; ysim = random(mdl,Xnew);

Trace las respuestas originales y las respuestas simuladas para ver cómo difieren.

plot(X,y,'o',X,ysim,'x') legend('Data','Simulated')

Alternativas

Para las predicciones sin ruido añadido, utilice predict.