Estadísticas :: GAUSSHELMERT Estadísticas :: Gausshelmert es un módulo de estimación de mínimos cuadrados ponderados generales.
Descargar ahora

Estadísticas :: GAUSSHELMERT Clasificación y resumen

Estadísticas :: GAUSSHELMERT Etiquetas

Módulo perl cuadrícula Estimacion estimación de cuadrados Estadísticas de gausshelmert

Estadísticas :: GAUSSHELMERT Descripción

Estadísticas :: Gausshelmert es un módulo de estimación de mínimos cuadrados ponderados generales. Estadísticas :: GAUSSHELMERT es un módulo de estimación de mínimos cuadrados ponderados en general. Estadísticas de uso de HSYNOPSIS :: GAUSSHELMERT; # Crear un modelo vacío My $ estimación = Nuevas estadísticas :: Gausshelmert; # Configurar el modelo Dado las observaciones $ y, Covarince Matrices # $ Sigma_yy, una adivinación inicial $ b0 para los parámetros desconocidos. $ estimación-> Observaciones ($ y); $ estimación-> covarince_observaciones ($ sigma_yy); $ estimación-> inicial_guesa ($ b0); # Especifique la función modelo implícita y sus jacobianos usando # cierres. $ estimación-> Observation_Equations (sub {...}); $ estimación-> jacobian_unknowns (sub {...}); $ estimación-> jacobian_observaciones (sub {...}); # Tal vez queremos imponer algunas restricciones en los parámetros desconocidos #, esto no es obligatorio $ estimación-> restricciones (sub {...}); $ estimación-> jacobian_conslaints (sub {...}); # Iniciar estimación $ estimación-> Inicio (verbose => 1); # Resultado de impresión Imprimir $ estimación-> estimado_unknown (), $ estimación-> covarince_unknown (); Este módulo es una herramienta flexible para estimar los parámetros del modelo dado un conjunto de observaciones. El módulo proporciona función para un modelo de estimación lineal, el modelo subyacente se llama GAUSS-HELMERT MODEL.STATISTICS :: Gausshelmert es diferente a los módulos, como las estadísticas :: OLS en el sentido de que puede caber funciones arbitrarias a los datos de cualquier dimensión. Tienes que especificar una función de minimización implícita (en contraste con las funciones explícitas que en los métodos de regresión tradicional) y sus derivados con respecto a los desconocidos y las observaciones. También puede especificar la función de restricción en las incógnitas (con su derivado). Además ya necesitas una solución aproximada. Para algunos problemas, es fácil encontrar soluciones aproximadas mediante la resolución directa de los parámetros desconocidos con algunas observaciones bien elegidas. Requisitos: · Perl

Estadísticas :: GAUSSHELMERT Software relacionado