Ajustement d'un modèle comprenant à la fois un paramètre de colonne et une variable de tableVoudrait apprendre à s’adapter à un modèle qui comprend non seulement un paramètre de colonne Aa, mais également une variable de table Xx.
La formule de colonne du modèle fait référence à une colonne qui dépend d'une variable de table (et d'autres colonnes de données) de manière complexe.
Je souhaite trouver une combinaison du paramètre de colonne de modèle Aa et du paramètre de table Xx qui convient le mieux à une colonne de données.
J'espère que ce n'est pas une question trop piétonne.
Re: Ajuster un modèle qui inclut à la fois un paramètre de colonne et une variable de tableMerci de votre réponse. Quelque chose que je ferais si je pouvais.
La colonne de formule implique une autre colonne de formule. Comment puis-je obtenir le modèle non linéaire pour voir cet autre paramètre imbriqué?
La complication ici est que je suis en train d'effectuer une somme cumulative Col sur une colonne qui implique ce second paramètre Xx.
Ainsi, la formule modèle de la colonne 6 avec le paramètre Aa fait référence à la colonne 2, qui est une somme cumulative de colonnes de la colonne 1 avec une formule impliquant le paramètre Xx.
Voulez-vous faire un ajustement de deux paramètres ici pour les paramètres Aa et Xx.
Re: Ajuster un modèle qui inclut à la fois un paramètre de colonne et une variable de tableSi l'équation du modèle est déjà dans une formule de colonne, utilisez les Non linéaire Plate-forme. La fonction de perte par défaut est la méthode des moindres carrés. Cependant, remplacez d'abord la variable de table dans la formule par un paramètre de formule. Dans l'éditeur de formule, cliquez sur Colonnes de table et sélectionnez Paramètres . Cliquez sur Nouveau paramètre , donne lui un nom Xx et un valeur de départ . Sélectionnez la variable de table dans votre formule, puis sélectionnez la nouvelle paramètre Xx pour le remplacer.
Tous les paramètres du modèle doivent être entrés comme celui-ci. La plate-forme non linéaire ne fournit pas automatiquement les paramètres de modèle, contrairement à la plate-forme Fit Least Squares, dans laquelle vous fournissez les prédicteurs sous forme de colonnes et JMP fournit les paramètres linéaires.
