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)