Anpassung segmentierter polynomialer Regressionsmodelle, deren Übergangspunkte geschätzt werden müssen

Zusammenfassung Die Studie betrachtet das Problem, die kleinsten Quadrate-Schätzungen für die unbekannten Parameter eines Regressionsmodells zu finden, das aus veredelten polynomialen Teilmodellen besteht. Die Abszissen der Übergangspunkte sind eine Teilmenge der unbekannten Parameter. Beispiele werden gegeben, um zu veranschaulichen, wie Kontinuitäts- und Differenzierbarkeitsbedingungen auf das Modell angewendet werden können, um das Modell umzuparameterisieren, um die angepasste Gauss-Newton-Anpassung zu ermöglichen. Eine leicht verallgemeinerte Version des Hartley-Satzes wird angeführt, um das angepasste Gauss-Newton-Verfahren auf dieses Problem zu erweitern.