Notice
Vous quittez maintenant support.minitab.com.
Cliquez sur Continuer pour procéder à :
Dans une régression non linéaire, aucune solution directe ne permet de minimiser les sommes des carrés de l'erreur (SCE). Par conséquent, un algorithme itératif calcule les paramètres en ajustant systématiquement les estimations de paramètres de manière à réduire la somme des carrés de l'erreur (SCE). Pour chaque itération, l'algorithme ajuste les estimations de paramètres de sorte qu'il prévoie la réduction de la valeur SCE par rapport à l'itération précédente. Des algorithmes différents utilisent des méthodes différentes afin de déterminer les ajustements pour chaque itération. Les itérations se poursuivent jusqu'à ce que l'algorithme converge vers la valeur SCE minimale, qu'un problème empêche le déroulement de l'itération suivante ou que Minitab atteigne le nombre maximal d'itérations.
Utilisez les informations sur l'algorithme pour vérifier que vous avez effectué l'analyse comme souhaité. Si l'algorithme ne converge pas, vous pouvez essayer d'utiliser l'autre algorithme ou de modifier les autres conditions de début.
Le nombre maximal d'itérations est le point auquel Minitab arrête l'algorithme itératif s'il ne parvient pas à converger vers une solution. La régression non linéaire utilise un algorithme itératif pour réduire les sommes des carrés d'erreur (SCE). Pour chaque itération, l'algorithme ajuste les estimations de paramètres de sorte qu'il prévoie la réduction de la valeur SCE par rapport à l'itération précédente. Les itérations se poursuivent jusqu'à ce que l'algorithme converge vers la valeur SCE minimale, qu'un problème empêche le déroulement de l'itération suivante ou que Minitab atteigne le nombre maximal d'itérations.
Utilisez les informations sur le nombre maximal d'itérations pour vérifier que vous avez effectué l'analyse comme souhaité. Si l'algorithme ne converge pas, vous pouvez essayer d'augmenter le nombre d'itérations ou de modifier les autres conditions de début.
La tolérance définit quelle doit être l'ampleur de la variation de l'erreur d'une étape à l'autre afin de déclarer que l'algorithme itératif a convergé vers une solution. Par défaut, Minitab annonce une convergence lorsque le décalage relatif est inférieur à 1,0e-5. Cela garantit que les interférences ne sont pas matériellement concernées par le fait que le vecteur de paramètre actuel est inférieur à 0,001 % du rayon du disque de zone de confiance découlant du point des moindres carrés.
Des valeurs plus petites peuvent produire des estimations des paramètres moins précises, mais nécessitent des itérations supplémentaires. En général, la valeur par défaut fonctionne bien.
Le tableau des valeurs de début des paramètres affiche les valeurs indiquées pour chaque paramètre. La régression non linéaire utilise un algorithme itératif pour réduire les sommes des carrés d'erreur (SCE). L'algorithme commence par définir les valeurs de paramètres de sorte qu'elles soient égales aux valeurs de ce tableau. Pour chaque itération, l'algorithme ajuste les valeurs de paramètres de sorte que la prédiction obtenue permette de réduire la valeur SCE par rapport à l'itération précédente.
Utilisez les valeurs de début pour vérifier que vous avez effectué l'analyse comme souhaité. Si l'algorithme ne converge pas, vous pouvez essayer d'utiliser des valeurs de début différentes ou de modifier les autres conditions de début.
Dans certains modèles et fichiers de données, les valeurs de départ peuvent affecter les résultats de façon significative. Certaines valeurs de départ peuvent entraîner une absence de convergence ou une convergence vers une valeur SCE minimum locale plutôt que globale. Dans certains cas, vous pouvez avoir à déployer des efforts considérables pour obtenir de bonnes valeurs de départ.
Vous quittez maintenant support.minitab.com.
Cliquez sur Continuer pour procéder à :