home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #27 / NN_1992_27.iso / spool / sci / math / stat / 2369 < prev    next >
Encoding:
Text File  |  1992-11-17  |  1.9 KB  |  45 lines
  1. Newsgroups: sci.math.stat
  2. Path: sparky!uunet!charon.amdahl.com!pacbell.com!ames!ncar!csn!yuma!agropyron!steve
  3. From: steve@agropyron.cfnr.colostate.edu (Steve)
  4. Subject: how-to: nonlinear surface fitting
  5. Sender: news@yuma.ACNS.ColoState.EDU (News Account)
  6. Message-ID: <Nov18.061759.17190@yuma.ACNS.ColoState.EDU>
  7. Date: Wed, 18 Nov 1992 06:17:59 GMT
  8. Reply-To: steve@agropyron.cfnr.colostate.edu
  9. Nntp-Posting-Host: agropyron.cfnr.colostate.edu
  10. Organization: Colorado State University, Dept. of Mech. Eng.
  11. Keywords: non-linear, regression, surface, model
  12. Lines: 31
  13.  
  14. I'm trying to fit a model to historical data, and keep hitting
  15. limitations and problems with various approaches/packages.
  16. This doesn't seem to be too weird of a problem, but I'm getting frustrated.
  17. I'm not a statistics guru, so I could be (probably am) wrong.
  18.  
  19. The problem, I have several samples of data in x and y that I need
  20. to fit a surface/model to. X and Y are independent. For each sample, 
  21. x ranges from 30 to 60 by increments of 2, while y goes from 130 to
  22. 260 by increments of 5, I have values for each point of this matrix,
  23. although the border/outer edge data values are unreliable.  When plotted,
  24. the surface created by the seperate data samples looks like a fairly
  25. "steep" poisson density function (tall hump in the middle). I've been
  26. unable to find a reference/package for this type of a fit. I've found 
  27. linear/quadratic surface algorithms, but this is exponential. I've found
  28. exponential curve algorithms, but no surfaces except where y is a dependent
  29. variable ( if I am understanding things correctly, I'm refering to ODRPACK
  30. here). 
  31.  
  32. I'm guessing a model of the form (roughly):
  33.  
  34.                              F G                       M N
  35.                 B      D(1-Ex )          I       K(1-Ly )
  36.      f(x,y) = Ax  *  Ce             +  Hy  *  Je             + Pxy
  37.  
  38.  
  39. Any ideas/pointers/references would be GREATLY appreciated!
  40.  
  41. thanks
  42.  
  43. Steve = steve@bouteloua.cfnr.colostate.edu
  44.  
  45.