我正準備進行非線性路徑參數化退化分析。
我有一個參數n，我想要適合全局，但另一個參數b0我想要按系統ID調整
所以我想要第二部分（全局適合n）：
但第一個參數b0，如下所示：
我嘲笑了我理想的能力：
其中參數b0由DUT索引但參數n不是。
這裡的任何幫助將非常感激。
好主意 ... 不幸的是，一些適合的數據包含負值。
我確實弄清楚了，我需要做的是將b0和n全局參數的腳本與b0和n FIT by System ID的腳本進行比較。 然後我嘗試融合兩個腳本...... 它工作了！（見下文）
紅色是我做出改變的地方...... 首先從n中刪除[DUT]索引，然後簡單地減少列表以達到值為b0的所有8個DUT，並且只有n個單個實例。
降解（
Y（：班次），時間（：持續時間），標籤（：DUT），規格上限（20），較低的規格限制（-20），
申請（重複措施降級），連接數據標記（1），顯示擬合線（0），顯示規格限制（1），
顯示中位數曲線（0），顯示圖例（0），沒有標籤列表（0），設置上限規格（20），設置下限規格（-20），設置截尾時間（。）
顯示剩餘圖（1），顯示反向預測圖（1），反向預測間隔（無間隔），反向預測Alpha（0.05），
路徑規格（
簡單線性（
添加自定義X比例（
{{“線性”，函數（{x}，x），函數（{x}，x）}} ）
添加自定義Y比例（ {{“線性”，函數（{x}，x），函數（{x}，x）}} ）
坡度（不同），攔截（不同），選擇X Scale（“線性”），選擇Y比例（“線性”） ）
非線性路徑（ 添加配方（
公式名稱（“ShiftModel”），式（
參數（ {b0 = 1，n = 0.6}，
持續時間^ ñ * b0 [DUT] ） ）
初始值（ [ 0.009,0.017,0.026， 0.007,0.015,0.025， 0.019,0.008 0.600 ] ）
降低（ [ -0.016，-0.009，-0.002， -0.017，-0.011，-0.004， -0.008，-0.015， -12.797 ] ）
上（ [ 0.035,0.043,0.054， 0.033,0.041,0.054， 0.047,0.032， 13.998 ] ）
擬合方法（QuasiNewton BFGS），
固定（ [ 0,0,0， 0,0,0， 0,0， 0 ] ） ）
選擇公式（“ShiftModel”） ） ）
非線性路徑（1），平均路徑（1），
SendToReport（ 調度（ {“Overlay”，“Model Specification”}， “ShiftModel” TextEditBox， {固定尺寸（1,102,16）} ） ） ）
我理解你的第一個聲明和非線性降級路徑的圖片。我不明白你的第二個例子但是沒關係。
如果使用日誌轉換怎麼辦？然後你的模型：持續時間^ n * b0（DUT）變為線性的：log（b0（DUT））+ n * Log（持續時間）。對線性路徑使用不同的截距和公共斜率選項。如果你願意，那就回變換吧。
