Selecione as opções de análise para Regressão não-linear

Estat > Regressão > Regressão não-linear > Opções

Pesos

Insira uma coluna numérica de pesos para realizar a regressão ponderada. A regressão ponderada é um método que pode ser usado quando a suposição de mínimos quadrados da variância da constante nos resíduos é violada (também chamada de heteroscedasticidade). Com o peso correto, este procedimento minimiza a soma dos resíduos quadrados ponderados para produzir resíduos com uma variância de constante (também chamada de homoscedasticidade). Para obter mais informações sobre a determinação do peso apropriado, vá para Regressão ponderada.

Os pesos devem ser maiores que ou iguais a zero. A coluna dos pesos deve ter o mesmo número de linhas que a coluna das respostas.

Nível de confiança para todos os intervalos

Insira o nível de confiança para os intervalos que têm probabilidade de conter as estimativas de parâmetro e as predições. Em geral, um nível de confiança de 95% funciona bem. Um nível de confiança de 95% indica que, se você extrair 100 amostras aleatórias da população, os intervalos de confiança para aproximadamente 95 das amostras conterá o valor estimado. Para um determinado conjunto de dados, um nível de confiança mais baixo produz um intervalo de confiança mais estreito e um nível de confiança mais alto produz um intervalo de confiança mais amplo.

Algoritmo

Para estimar os parâmetros, o Minitab usa um algoritmo para convergir na soma mínima dos quadrados dos resíduos (SSE). Para obter mais informações, vá para Compreendendo algoritmos e valores iniciais na regressão não-linear.

Gauss-Newton: Selecione o algoritmo de Gauss-Newton.
Levenberg-Marquardt: Selecione o algoritmo de Levenberg-Marquardt.

Número máximo de iterações

Insira o número máximo de iterações que o algoritmo pode usar para alcançar a convergência. Normalmente, o valor padrão funciona bem. Se o algoritmo falhar ao convergir, você pode aumentar o número máximo. Contudo, você pode precisar mudar o algoritmo, a função de expectativa ou os valores iniciais para obter uma solução.

Tolerância de convergência

Insira a tolerância de convergência. Normalmente, o valor padrão funciona bem.