14_fr-FR

liliconcom

Régression non linéaireJ'essaie d'adapter un modèle non linéaire à un prédicteur (x). Au-dessous d'une valeur de x, ma forme de modèle est différente de celle au-dessus de x. En utilisant une condition si dans la formule, je mets cette valeur x sur un paramètre à estimer:

Paramètre ({thêta1 = 1, thêta2 = 1, b2 = 20, b3 = 1, b4 = 1},

Si (: taille des pores - b2 <0, 1 / (1 + thêta1 * Exp (thêta2 * (: taille des pores - 10))),

1 / (1 + b3 * Exp (b4 * (: taille des pores - 10)))))

Mais lorsque je lance non linéaire avec ce modèle, JMP ne varie pas b2 - il le maintient fixe.

Toute aide là-bas?Re: Régression non linéaireMark, ravi de vous entendre! Je travaille maintenant chez Corning Glass.

Quoi qu'il en soit, je suis tombé sur l'utilisation de l'approche du multiplicateur booléen. J'essayais de définir b2 à partir des données comme un point inconnu. J'essayais de tricoter des fonctions ensemble pour mieux adapter les données. J'ai trouvé que le non-linéaire peut être très sensible. Si je demande quelque chose qui cause des difficultés, cela peut vraiment être pénible, car j'essaie d'ajuster plus de 140 courbes à la fois.Re: Régression non linéaireJe pense que vous pouvez faire cette régression. Tu es sur la bonne piste. Vous devez juste développer le test conditionnel de sorte que les deux formes du modèle soient les deuxième et troisième arguments (en ignorant les paramètres pour le moment):

Si (critère,
model1,
model2
)

Je ne suis pas sûr de b2 en tant que paramètre. Ce critère est-il défini indépendamment ou est-il adapté à partir des données? Vous voudrez peut-être remplacer b2 par constant s'il s'agit de l'utilisation précédente.

Une autre façon consiste à utiliser une expression booléenne comme multiplicateur dans un modèle incluant les deux formes. De cette manière, la logique détermine quelle forme contribue au modèle pour une valeur particulière de X:

(critère) * modèle1 + non (critère) * modèle2;