Strona pomocy dla Prism zawiera następujące wyjaśnienie, w jaki sposób oblicza pasma predykcyjne dla regresji nieliniowej. Przepraszam za długi cytat, ale nie postępuję zgodnie z drugim akapitem (który wyjaśnia, jak zdefiniowano i obliczono ). Każda pomoc byłaby bardzo mile widziana.
Obliczanie przedziałów ufności i predykcji jest dość standardowe. Zapoznaj się ze szczegółowymi informacjami na temat tego, w jaki sposób Pryzmat oblicza przedziały prognozowania i pewności regresji nieliniowej.
Najpierw zdefiniujmy G | x, który jest gradientem parametrów przy określonej wartości X i przy użyciu wszystkich najlepiej dopasowanych wartości parametrów. Wynikiem jest wektor z jednym elementem na parametr. Dla każdego parametru jest on definiowany jako dY / dP, gdzie Y jest wartością Y krzywej przy danej wartości X i wszystkich wartościach parametru najlepiej dopasowanego, a P jest jednym z parametrów.)
G '| x to transponowany wektor gradientowy, więc jest to raczej kolumna niż rząd wartości.
Cov jest macierzą kowariancji (odwrócony Hesjan z ostatniej iteracji). Jest to macierz kwadratowa z liczbą wierszy i kolumn równą liczbie parametrów. Każdy element w macierzy jest kowariancją między dwoma parametrami.
Teraz oblicz c = G '| x * Cov * G | x. Wynik jest pojedynczą liczbą dla dowolnej wartości X.
Pasma ufności i prognozy są wyśrodkowane na krzywej najlepszego dopasowania i rozciągają się powyżej i poniżej krzywej w równej wysokości.
Przedziały ufności rozciągają się powyżej i poniżej krzywej o: = sqrt (c) * sqrt (SS / DF) * CriticalT (% ufności, DF)
Pasma prognozy rozciągają się na dalszą odległość powyżej i poniżej krzywej, równą: = sqrt (c + 1) * sqrt (SS / DF) * CriticalT (% ufności, DF)