鲁道夫·西托夫斯基 一些特殊的非线性最小二乘问题。 （英语） Zbl 0665.65011号 半径材料。 4，第2号，279-298（1988）. 本文讨论用指数函数（f（t）=be^{ct}）、（c\neq0）或更一般的解（A+be^{ct}）和（c\nEq0）对数据进行最小二乘逼近。显然，限制（c\neq 0）意味着并不总是存在解决方案（命题3.1）。为了克服这一困难，作者说，如果相关线性趋势的斜率为正（负，对应），则一组数据点（（t_i，f-i））具有显著的增加（减少，对应）。主要结果是定理3.1。假设（f_i>0）所有i。如果数据为负的优势正，则存在最佳近似值\（{\）备注。不能放弃额外的条件。众所周知，对于（i>1\}），集合\（f1=1\），\（f_i=0\）没有最佳逼近。审核人：D.胸罩 引用于2文件 MSC公司： 65日第10天 数值平滑、曲线拟合 65C99个 概率方法，随机微分方程 41A30型 其他特殊函数类的近似 62年02月 一般非线性回归 关键词：最小二乘近似；指数和；迭代法；非线性最小二乘法；参数估计；指数拟合 PDF格式BibTeX公司 XML格式引用 \textit{R.Scitovski}，Rad.Mat.4，No.2，279--298（1988；Zbl 0665.65011）