sas非线性回归

本文介绍了如何利用泰勒公式进行函数近似,并以高斯牛顿法为例,详细阐述了在参数估计中的应用过程。通过预设参数并进行多元泰勒展开,找到新的函数近似f1(w),进而利用最小二乘法更新参数w,不断迭代直到残差平方和收敛。此外,还提到了u检验这一非参数检验方法,用于判断两组样本是否来自同一总体。

泰勒公式
在这里插入图片描述
在这里插入图片描述
#举个栗子
假设要估计的函数为y=f(x,w)#y,x实则数据点,w为参数;
实际上就是f(x,w)和w间的关系,w成了自变量#实则f(w),以高斯牛顿方法为栗子,先先预设一个w0,然后在w0这个点上用多元泰勒展开#根据w维数定,展开后取到二阶偏导项作为原来的近似,所以得到一个新的f1(w),然后直接用矩阵最小二乘公式找到一个新的w1,然后再展开循环下去;#每一步记录下残差平方和,找到一个收敛的残差平方和就结束。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

*u检验,非参检验方法,检验两组样本是否来自同一数据总体,具体为获取各样本分数的次序#矩阵的秩,然后据此计算统计量u来评价两组平均名次是否具有显著差异。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值