Kontekst:
Z pytania dotyczącego wymiany stosów matematycznych (czy mogę zbudować program) , ktoś ma zestaw punktów i chce dopasować do niego krzywą, liniową, wykładniczą lub logarytmiczną. Zwykłą metodą jest rozpoczęcie od wybrania jednego z nich (który określa model), a następnie wykonanie obliczeń statystycznych.
Ale tak naprawdę potrzebne jest znalezienie „najlepszej” krzywej z liniowej, wykładniczej lub logarytmicznej.
Pozornie można wypróbować wszystkie trzy i wybrać najlepiej dopasowaną krzywą z trzech zgodnie z najlepszym współczynnikiem korelacji.
Ale jakoś czuję, że to nie jest całkiem koszerne. Ogólnie przyjętą metodą jest najpierw wybranie modelu, jednej z tych trzech (lub innej funkcji łącza), a następnie na podstawie danych obliczyć współczynniki. I zbieranie po fakcie to, co najlepsze, to zbieranie wiśni. Ale dla mnie, czy określasz funkcję lub współczynniki na podstawie danych, to wciąż jest to samo, twoja procedura odkrywa najlepszą ... rzecz (powiedzmy, która funkcja jest również -wykryj inny współczynnik).
Pytania:
- Czy właściwe jest wybranie najlepszego modelu spośród modeli liniowych, wykładniczych i logarytmicznych na podstawie porównania statystyk dopasowania?
- Jeśli tak, jaki jest najbardziej odpowiedni sposób to zrobić?
- Jeśli regresja pomaga znaleźć parametry (współczynniki) w funkcji, to dlaczego nie może istnieć dyskretny parametr do wyboru, z której z trzech rodzin krzywych najlepiej pochodzić?