merge
合并估计模型
语法
m = merge(m1,m2,....,mN)
[m,tv] = merge(m1,m2)
说明
m = merge(m1,m2,....,mN)
合并估计模型。模型 m1,m2,...,mN
必须具有相同的结构,只是参数值和协方差矩阵有所不同。则 m
是合并模型,其中参数向量是 mk
参数的统计加权平均值(使用协方差矩阵确定权重)。
[m,tv] = merge(m1,m2)
返回测试变量 tv
。当两个模型合并时,
[m, tv] = merge(m1,m2)
如果 m1
和 m2
的参数具有相同的均值,则 tv
是具有 n
自由度的 χ2 分布。这里 n
是参数向量的长度。因此,tv
的较大值表明合并模型可能会有问题。
对于 idfrd
模型,merge
是各个模型中两个响应的统计平均值,使用逆方差加权。您只能合并两个具有相同频率和非零协方差的响应的 idfrd
模型。
合并模型是合并数据集和估计合并数据模型的替代方法。
load iddata1 z1; load iddata2 z2; m1 = arx(z1,[2 3 4]); m2 = arx(z2,[2 3 4]); ma = merge(m1,m2);
和
mb = arx(merge(z1,z2),[2 3 4]);
导致模型 ma
和 mb
是相关的并且应该很接近。不同之处在于,合并数据集假设两个试验中的信噪比大致相同。合并模型会使一个模型变得更加不确定,例如,由于该试验中的更多干扰。如果条件大致相同,我们建议您合并数据而不是模型,因为这样效率更高并且通常涉及更好的条件计算。
版本历史记录
在 R2007a 中推出