데이터 집합을 모델링하는 함수의 매개변수를 사용하여 적합식을 정의한 후, 풀이 구간을 사용하여 데이터 집합과 적합식 간의 잉여(residual)를 최소화합니다. 다른 최적화 문제와 마찬가지로 문제를 재배치하여 근을 찾을 수 있습니다. 여기에서는 잉여를 0으로 설정합니다.
1. 데이터 집합을 정의합니다.
2. 미지의 매개변수 α 및 β를 사용하여 Weibull 적합식을 정의합니다.
3. 데이터 집합의 v 값과 Wb로 계산된 v 값의 차이인 잉여를 정의합니다.
4. 제곱의 합을 정의합니다.
5. Weibull 함수를 가장 적합하게 맞추는 매개변수 α 및 β를 구하기 위해 풀이 구간을 삽입하고 α 및 β의 추측값을 정의한 다음 minimize 함수를 호출합니다.
6. 해를 계산합니다.
7. 평균 제곱 오차를 계산합니다. 참인 해가 존재하면 이 값은 0이 됩니다.
8. 데이터 집합과 Weibull 적합식을 도표화합니다.
9. 제약 조건 resid = 0을 사용하여 적합식의 매개변수를 구하기 위해 minimize 함수 대신 minerr 함수를 사용합니다.
α2 및 β2에 대한 정확한 해가 없기 때문에 여기서는 find 함수를 사용할 수 없습니다. 사용하는 경우 해가 없다는 오류가 반환됩니다. minerr 함수는 find 함수와 동일한 방식으로 작동하지만, 설정된 반복 횟수 내에서 해로 수렴하지 못한 경우 근사해를 구한다는 차이점이 있습니다.
10. 새 매개변수에 대한 평균 제곱 오차를 계산합니다.
11. minimize 및 minerr로 구한 결과를 비교합니다.
실습
다음 연습으로 이동하기 전에 수익을 최대화할 수 있는 물품의 가격을 구합니다(n ∙ p). n 함수를 사용하여 판매된 물품의 수와 가격 간의 관계를 정의합니다.
