Na regressão não linear, não há solução direta para minimização das somas de quadrados de erros (SSE). Assim, um algoritmo iterativo estima parâmetros ajustando sistematicamente as estimativas dos parâmetros para reduzir a SSE. Para cada iteração, o algoritmo ajusta as estimativas de parâmetros de uma forma que ele prevê que deve reduzir a SSE em comparação com a iteração anterior. Algoritmos diferentes usam abordagens diferentes para determinar os ajustes de cada iteração. As iterações continuam até que o algoritmo convirja na SSE mínima, um problema impeça a iteração seguinte ou o Minitab atinja o número máximo de iterações.
Use as informações dos algoritmos para verificar se você realizou a análise conforme pretendia. Se o algoritmo falhar ao convergir, você pode tentar o outro algoritmo ou mudar as outras condições iniciais.
O número máximo de iterações é o ponto no qual o Minitab para o algoritmo iterativo se ele falhar em convergir para uma solução. A regressão não linear usa um algoritmo iterativo para reduzir as somas de quadrados de erros (SSE). Para cada iteração, o algoritmo ajusta as estimativas de parâmetros de uma forma que ele prevê que deve reduzir a SSE em comparação com a iteração anterior. As iterações continuam até que o algoritmo convirja na SSE mínima, um problema impeça a iteração seguinte ou o Minitab atinja o número máximo de iterações.
Use as informações das interações máximas para verificar se você realizou a análise conforme pretendia. Se o algoritmo falhar ao convergir, você pode tentar aumentar o número de iterações ou mudar as outras condições iniciais.
A tolerância define quão pequena a mudança no erro de uma etapa para a próxima deve ser para declarar que o algoritmo iterativo convergiu para uma solução. Por padrão, o Minitab declara convergência quando o offset relativo é menor do que 1,0e-5. Isso assegura que quaisquer inferências não são afetadas materialmente pelo fato de que o vetor do parâmetro atual é menor que 0,001% do rádio do disco da região de confiança a partir do ponto de mínimos quadrados.
Valores menores podem produzir estimativas de parâmetro precisas, mas requerem iterações adicionais. Normalmente, o valor padrão funciona bem.
A tabela Valores iniciais para parâmetros exibe os valores que você especificou para cada parâmetro. A regressão não-linear usa um algoritmo iterativo para reduzir as somas de quadrados de erros (SSE). O algoritmo começa definindo os valores de parâmetro para igualar os valores nessa tabela. Para cada iteração, o algoritmo ajusta os valores dos parâmetros de uma forma que ele prevê que deve reduzir a SSE em comparação com a iteração anterior.
Use os valores iniciais para verificar se você realizou a análise conforme pretendia. Se o algoritmo falhar ao convergir, você pode tentar diferentes valores iniciais ou mudar as outras condições iniciais.
Para alguns modelos e conjuntos de dados, os valores iniciais podem afetar significativamente os resultados. Determinados valores iniciais podem conduzir à falha em convergir para um SSE mínimo local, em vez de global. Em alguns casos, você pode precisar dedicar um esforço considerável para desenvolver bons valores iniciais.