Co je nelineární regrese
Nelineární regrese je forma regresní analýzy, ve které jsou data přizpůsobena modelu a poté vyjádřena jako matematická funkce. Jednoduchá lineární regrese se týká dvou proměnných (X a Y) s přímkou (y = mx + b), zatímco nelineární regrese musí generovat linii (obvykle křivka), jako by každá hodnota Y byla náhodná proměnná. Cílem modelu je, aby součet čtverců byl co nejmenší. Součet čtverců je měřítkem, které sleduje, kolik pozorování se liší od průměru sady dat. Vypočítá se nejprve zjištěním rozdílu mezi průměrem a každým bodem dat v sadě. Pak je každá z těchto rozdílů na druhou. Nakonec se všechny hranaté údaje sčítají. Čím menší je součet těchto druhou mocninou, tím lépe funkce vyhovuje datovým bodům v sadě. Nelineární regrese používá logaritmické funkce, trigonometrické funkce, exponenciální funkce a další metody osazování.
Rozdělení nelineární regrese
Nelineární regresní modelování je podobné lineárnímu regresnímu modelování v tom, že obě se snaží graficky sledovat konkrétní odpověď ze sady proměnných. Nelineární modely jsou komplikovanější než lineární modely, protože funkce je vytvořena pomocí řady aproximací (iterací), které mohou pramenit z pokusů a omylů. Matematici používají několik zavedených metod, například Gauss-Newtonovu metodu a Levenberg-Marquardtovu metodu.
