Statistik :: Gausshelmert. Statistik :: GausShelmert ist ein allgemein gewichtetes Schätzmodul der kleinsten Quadrate.
Jetzt downloaden

Statistik :: Gausshelmert. Ranking & Zusammenfassung

Statistik :: Gausshelmert. Stichworte

Perl-Modul Quadrate Einschätzung Square-Schätzung. GaussHelmert Statistiken

Statistik :: Gausshelmert. Beschreibung

Statistik :: Gausshelmert ist ein allgemein gewichtetes Schätzmodul der kleinsten Quadrate. Statistik :: GausShelmert ist ein allgemein gewichtetes Schätzungsmodul der kleinsten Quadrate. Synopsis verwenden Statistiken: Gausshelmert; # Erstellen Sie ein leeres Modell Meine $ Schätzung = Neue Statistik :: Gausshelmert; # Setup das Modell mit den Bemerkungen $ y, Covariarce Matrices # $ SIGMA_YY, eine anfängliche Vermutung $ B0 für die unbekannten Parameter. $ Schätzung-> Beobachtungen ($ y); $ schätzung-> kovariäze_observations ($ sigma_yy); $ Schätzung-> Initial_GUESS ($ B0); # Geben Sie die implizite Modellfunktion und ihre Jacobier an, indem Sie # Verschlüsse verwenden. $ Schätzung-> Beobachtungserweiterungen (SUB {...}); $ schätzung-> jacobian_unknowns (sub {...}); $ schätzung-> jacobian_observations (sub {...}); # Vielleicht möchten wir einige Einschränkungen auf den unbekannten # Parametern auferlegen, dies ist nicht obligatorische $ schätzung-> beschränkungen (sub {...}); $ Schätzung-> jacobian_constraints (sub {...}); # Startschätzung $ Schätzung-> Start (Verbose => 1); # Drucken Ergebnis drucken $ Schätzung-> geschätzte_unknown (), $ schätzung-> covariance_unknown (); Dieses Modul ist ein flexibles Werkzeug zum Schätzen der Modellparameter, die ein Satz von Beobachtungssatz erfolgen. Das Modul bietet Funktion für ein lineares Schätzmodell, das zugrunde liegende Modell heißt Gauß-helmert model.statistics :: gausshelmert unterscheidet sich von Modulen wie Statistiken: ols in dem Sinne, in dem er willkürliche Funktionen an Daten jeder Abmessung passen kann. Sie müssen eine implizite Minimierungsfunktion angeben (im Gegensatz zu expliziten Funktionen wie in traditionellen Regressionsmethoden) und deren Derivate in Bezug auf das Unbekannte und die Beobachtungen. Sie können auch die Einschränkungsfunktion auf den Unbekannten (mit dem Derivat) angeben. Außerdem benötigen Sie bereits eine ungefähre Lösung. Bei einigen Problemen ist es einfach, ungefähre Lösungen zu finden, indem sie direkt für die unbekannten Parameter mit einigen gut gewählten Beobachtungen gelöst werden. Anforderungen: · Perl.

Statistik :: Gausshelmert. Zugehörige Software