大きなカイ二乗値がどのような意味ですか

[ypred,delta] = nlpredci(modelfun,x,beta,resid,'jacobian',J) も、95% の信頼区間を計算する構文です。J は、nlinfit で計算されるヤコビです。nlinfit で 'robust' オプションを使用する場合は、'jacobian' の入力ではなく、'covar' の入力を使用して、必要な sigma パラメーターがロバスト近似を考慮するようにします。

[...] = nlpredci(...,param1,val1,param2,val2,...) は、オプション パラメーターの名前と値のペアを受け入れます。

nlpredci は、resid または J の NaN を欠損値として処理し、対応する観測を無視します。

ゼオライトは何ですか

信頼区間の計算は、resid の長さが beta の長さを超え、J が beta で列フルランクをもつシステムに対して有効です。J が悪条件の場合、予測区間と信頼区間は不正確になる可能性があります。

例

指数関数的減衰への近似

次の形式のモデルを近似させたいデータがあるとします。

y_i = a₁ + a₂exp(–a₃x_i) + ε_i.

ここで、a_i は推定するパラメーター、x_i はデータ ポイント、y_i は応答、および ε_i はノイズ項です。

1. このモデルを表す関数ハンドルを記述します。

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

2. パラメーター a = [1;3;2]、パラメーター 2 で指数分布した x データ ポイント、および標準偏差 0.1 で正規分布したノイズで合成されたデータを生成します。

   
   

   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. 任意の推定 a0 = [2;2;2] から始まるデータにモデルを近似します。

   a0 = [2;2;2]; [ahat,r,J,cov,mse] = nlinfit(x,y,mdl,a0); ahat  ahat =     1.0153     3.0229     2.1070

4. x の平均には、<yhat の平均に関する 95% の信頼区間とともに予測応答 yhat を求めます。


   [ypred dlt] = nlpredci(mdl,mean(x),ahat,r,'Covar',cov)  ypred =     1.0669  dlt =     0.0231

   ypred に関する 95% の信頼区間は次のとおりです。

   [ypred-dlt,ypred+dlt]  ans =     1.0438    1.0900

参考

nlinfit | nlparci