我正准备进行非线性路径参数化退化分析。
我有一个参数n，我想要适合全局，但另一个参数b0我想要按系统ID调整
所以我想要第二部分（全局适合n）：
但第一个参数b0，如下所示：
我嘲笑了我理想的能力：
其中参数b0由DUT索引但参数n不是。
这里的任何帮助将非常感激。
好主意 ... 不幸的是，一些适合的数据包含负值。
我确实弄清楚了，我需要做的是将b0和n全局参数的脚本与b0和n FIT by System ID的脚本进行比较。 然后我尝试融合两个脚本...... 它工作了！（见下文）
红色是我做出改变的地方...... 首先从n中删除[DUT]索引，然后简单地减少列表以达到值为b0的所有8个DUT，并且只有n个单个实例。
降解（
Y（：班次），时间（：持续时间），标签（：DUT），规格上限（20），较低的规格限制（-20），
申请（重复措施降级），连接数据标记（1），显示拟合线（0），显示规格限制（1），
显示中位数曲线（0），显示图例（0），没有标签列表（0），设置上限规格（20），设置下限规格（-20），设置截尾时间（。）
显示剩余图（1），显示反向预测图（1），反向预测间隔（无间隔），反向预测Alpha（0.05），
路径规格（
简单线性（
添加自定义X比例（
{{“线性”，函数（{x}，x），函数（{x}，x）}} ）
添加自定义Y比例（ {{“线性”，函数（{x}，x），函数（{x}，x）}} ）
坡度（不同），拦截（不同），选择X Scale（“线性”），选择Y比例（“线性”） ）
非线性路径（ 添加配方（
公式名称（“ShiftModel”），式（
参数（ {b0 = 1，n = 0.6}，
持续时间^ 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 ] ）
拟合方法（QuasiNewton BFGS），
固定（ [ 0,0,0， 0,0,0， 0,0， 0 ] ） ）
选择公式（“ShiftModel”） ） ）
非线性路径（1），平均路径（1），
SendToReport（ 调度（ {“Overlay”，“Model Specification”}， “ShiftModel” TextEditBox， {固定尺寸（1,102,16）} ） ） ）
我理解你的第一个声明和非线性降级路径的图片。我不明白你的第二个例子但是没关系。
如果使用日志转换怎么办？然后你的模型：持续时间^ n * b0（DUT）变为线性的：log（b0（DUT））+ n * Log（持续时间）。对线性路径使用不同的截距和公共斜率选项。如果你愿意，那就回变换吧。
