Perguntas com a marcação «nonlinear-regression»

Use esta tag apenas para modelos de regressão nos quais a resposta é uma função não linear dos parâmetros. Não use essa tag para transformação de dados não linear.



3
Regressão (não) linear na árvore de decisão foliar
É comum ter uma técnica de regressão diferente nas folhas de uma árvore de regressão (por exemplo, regressão linear)? Eu tenho procurado por ele na última hora, mas tudo o que encontro são implementações que têm um valor constante nas folhas das árvores. Existe uma razão pela qual isso é …

2
Existe uma maneira de forçar uma relação entre coeficientes na regressão logística?
Gostaria de especificar um modelo de regressão logística em que possuo o seguinte relacionamento: E[ YEu| XEu] = f( βxeu 1+ β2xeu 2)E[YEu|XEu]=f(βxEu1+β2xEu2)E[Y_i|X_i] = f(\beta x_{i1} + \beta^2x_{i2}) que é a função inversa de logit.fff Existe uma maneira "rápida" de fazer isso com funções R preexistentes ou existe um nome …

1
Identificabilidade em um problema de regressão não linear
Suponha que eu esteja trabalhando com o seguinte modelo yi=α(1−exp(−βti))+γ(1−exp(−δti))+εiyi=α(1−exp⁡(−βti))+γ(1−exp⁡(−δti))+εiy_i = \alpha(1-\exp(-\beta t_i))+\gamma(1-\exp(-\delta t_i)) + \varepsilon_i . O é um gaussiano com média zero e estou tentando encontrar os melhores valores de ajuste de .εiεi\varepsilon_iα,β,γ,δα,β,γ,δ\alpha,\beta,\gamma,\delta Para concretização, digamos que este seja um modelo para a quantidade total de algumas espécies …

2
Compare o modelo MLR com o modelo
Se eu tiver razões teóricas para supor que os dados possam se encaixar em uma equação incomum, como a seguinte: YEu= (β0 0+β1 1x1 i+β2x2 i+ϵEu)β3Yi=(β0+β1x1i+β2x2i+ϵi)β3Y_i = (\beta_0 + \beta_1x_{1i} + \beta_2x_{2i} + \epsilon_i)^{\beta_3} Posso usar a regressão linear múltipla de mínimos quadrados ordinários após uma transformação para estimar os …

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.