Sélectionner les options de l'analyse pour la fonction Régression non linéaire

Stat > Régression > Régression non linéaire > Options

Pondérations

Entrez une colonne numérique de pondérations pour pouvoir effectuer une régression pondérée. La régression pondérée est une méthode pouvant être utilisée lorsque l'hypothèse de variance constante dans les valeurs résiduelles pour les moindres carrés est contredite (on parle aussi d'hétéroscédasticité). Avec une pondération adaptée, cette procédure minimise la somme des carrés des valeurs résiduelles pondérés, de manière à générer des valeurs résiduelles présentant une variance constante (on parle aussi d'homoscédasticité). Pour plus d'informations sur la manière de déterminer la pondération appropriée, reportez-vous à la rubrique Régression pondérée.

Les pondérations doivent être supérieures ou égales à zéro. La colonne des pondérations et celle des réponses doivent avoir le même nombre de lignes.

Niveau de confiance pour tous les intervalles

Indiquez le niveau de confiance pour les intervalles susceptibles de contenir les estimations des paramètres et les prévisions. Un niveau de confiance de 95 % est généralement efficace. Un niveau de confiance de 95 % indique que, sur 100 échantillons prélevés parmi la population, l'intervalle de confiance d'environ 95 de ces échantillons contient la valeur estimée. Pour un fichier de données spécifique, un niveau de confiance inférieur produit un intervalle moins large et un niveau de confiance supérieur produit un intervalle plus large.

Algorithme

Pour estimer les paramètres, Minitab utilise un algorithme qui converge vers la somme minimale des carrés des valeurs résiduelles (SCE). Pour plus d'informations, reportez-vous à la rubrique Comprendre les algorithmes et valeurs de départ pour la régression non linéraire.

Gauss-Newton : sélectionnez l'algorithme de Gauss-Newton.
Levenberg-Marquardt : sélectionnez l'algorithme de Levenberg-Marquardt.

Le nombre maximum d'itérations

Entrez le nombre maximal d'itérations que l'algorithme peut utiliser pour atteindre une convergence. En général, la valeur par défaut fonctionne bien. Si l'algorithme ne converge pas, vous pouvez augmenter le maximum. Cependant, vous devrez peut-être modifier l'algorithme, la fonction de prévision ou les valeurs de début pour obtenir une solution.

Tolérance de convergence

Indiquez la tolérance de convergence. En général, la valeur par défaut fonctionne bien.