我們大多數人都知道什麼是線。 你可以找到很多定義，但大多數都包含直線是直的陳述；它沒有曲線。 因此，當我們談論線性模型時，我們想回到直線的定義。 線性模型沒有曲線，對嗎？ 錯誤的！
統計學家會告訴你線性模型是線性的在參數中。 不知怎的，這似乎並不能幫助澄清事情。 那麼，讓我們來看一些線性模型。
一個簡單的線性模型統計數據類似我們在代數中學到的那行，可以寫成：
但下圖所示的模型也是線性模型：
這些不是直線的線性模型具有以下公式：
在這些模型中，beta 是參數，X 是自變數。 因此，也許看待這個問題的方法是，在線性模型中，模型的每一項只有一個參數，而每個參數都是該項自變數的乘法常數。
相反，非線性模型沒有這種簡單的形式。 非線性模型的例子有：
當您繪製圖表時，這些模型可能看起來與線性模型沒有太大不同：
然而，從數學上講，它們非常不同，因為這些模型相對於任何參數的導數取決於該參數或其他參數。 這些非線性模型需要迭代估計過程，這與使用公式獲得線性模型的最小二乘估計有很大不同。
因此，在擬合非線性模型時，分析人員必須指定要擬合的模型、要估計的參數以及這些參數的起始值。 這可以在聯合管理計劃使用擬合曲線平台。 或者，您可以將非線性平台與模型庫中的模型或自訂列公式結合使用。 這些選項將在後續帖子中討論。 尋找下一個，這將展示在 JMP 中進行非線性建模是多麼容易。
編按：查看全文系列四部分。
非常感謝您提供非線性建模的討論。 我相信這套非線性分析工具對於藥品開發和製造的許多主題至關重要。 我期待著接下來的分期付款。
