|
|
Hallo Martin, >> Eure Überlegung wäre korrekt gewesen, wenn NonlinearRegress[] den Ausdruck Sum[(e_i/w_i)^2, {i, 1, N}] >> minimieren würde. Das ist natürlich eine Falschaussage, haben Sie es bemerkt? Man kann noch mit einem relativen Gewicht arbeiten: With[{a = 20., c = 0., g = 1., xL = -2., xR = 2., anZ = 100}, data = ({#, Lorentz[#, a, c, g] + Random[NormalDistribution[0., sigma[Lorentz[#, a, c, g]]]]} & ) /@ Sort[Table[Random[Real, {xL, xR}, 8], {anZ}]]; ListPlot[data]; Table[{j, NonlinearRegress[data, Lorentz[x1, a1, c1, g1], {x1}, {a1, c1, g1}, Weights -> ((sigma[#]/#)^j &), RegressionReport -> BestFitParameters]}, {j, -2, 2, 1/2} ] ] Dann ist j = -1/2 der beste Fit: Out[7]= {{-2, {BestFitParameters -> {a1 -> 21.4755, c1 -> 0.00241824, g1 -> 1.04631}}}, {-3/2, {BestFitParameters -> {a1 -> 21.0309, c1 -> 0.00405256, g1 -> 1.03672}}}, {-1, {BestFitParameters -> {a1 -> 20.5588, c1 -> 0.00566359, g1 -> 1.02615}}}, {-1/2, {BestFitParameters -> {a1 -> 20.0311, c1 -> 0.00726835, g1 -> 1.01367}}}, {0, {BestFitParameters -> {a1 -> 19.3897, c1 -> 0.00898065, g1 -> 0.997393}}}, {1/2, {BestFitParameters -> {a1 -> 18.5286, c1 -> 0.0111812, g1 -> 0.973647}}}, {1, {BestFitParameters -> {a1 -> 17.2917, c1 -> 0.014804, g1 -> 0.936625}}}, {3/2, {BestFitParameters -> {a1 -> 15.5292, c1 -> 0.0216204, g1 -> 0.879865}}}, {2, {BestFitParameters -> {a1 -> 13.2368, c1 -> 0.0344181, g1 -> 0.801408}}}} Gruss Udo. |