Страница справки для Prism дает следующее объяснение того, как она вычисляет полосы предсказания для нелинейной регрессии. Пожалуйста, извините за длинную цитату, но я не следую второму абзацу (который объясняет, как определяется и вычисляется d Y / d P ). Любая помощь будет принята с благодарностью.
Расчет доверительных и прогнозирующих полос достаточно стандартен. Читайте дальше о том, как Prism вычисляет предсказание и доверительные интервалы нелинейной регрессии.
Сначала давайте определим G | x, который является градиентом параметров при конкретном значении X и использующим все наиболее подходящие значения параметров. Результатом является вектор с одним элементом на параметр. Для каждого параметра он определяется как dY / dP, где Y - это значение Y кривой, учитывая конкретное значение X и все наиболее подходящие значения параметров, а P - один из параметров.)
G '| x - это транспонированный вектор градиента, поэтому он представляет собой столбец, а не строку значений.
Cov - ковариационная матрица (обратный гессиан из последней итерации). Это квадратная матрица с количеством строк и столбцов, равным количеству параметров. Каждый элемент в матрице представляет собой ковариацию между двумя параметрами.
Теперь вычислим c = G '| x * Cov * G | x. Результатом является одно число для любого значения X.
Полосы достоверности и прогнозирования центрированы на кривой наилучшего соответствия и простираются над и под кривой в равной степени.
Полосы доверия простираются выше и ниже кривой на: = sqrt (c) * sqrt (SS / DF) * CriticalT (Confidence%, DF)
Полосы прогнозирования простираются еще на большее расстояние выше и ниже кривой, равное: = sqrt (c + 1) * sqrt (SS / DF) * CriticalT (Confidence%, DF)