Модель кривой роста в статистика - это особая многомерная линейная модель, также известная как GMANOVA (Обобщенный многомерный анализ отклонений). Он обобщает MANOVA, допуская пост-матрицы, как видно из определения.
Модель кривой роста : Пусть X быть ap × n случайной матрицей, соответствующей наблюдениям, A ap × q в матрице плана с q ≤ p, B aq Матрица параметров × k, C ak × n между индивидуальной матрицей плана с рангом (C) + p ≤ n, и пусть Σ будет положительно определенной матрицей размера p × p. Затем
определяет модель кривой роста, где A и C известны, B и Σ неизвестны, а E представляет собой случайную матрицу, распределенную как N p, n (0, I p,n).
Он отличается от стандартного MANOVA добавлением C, «постматрицы».
Многие авторы рассмотрели анализ кривой роста, в том числе Wishart (1938), Box (1950) и Rao (1958). Поттхофф и Рой в 1964 году; были первыми, кто проанализировал лонгитюдные данные с применением моделей GMANOVA.
GMANOVA часто используется для анализа обследований, клинических испытаний и сельскохозяйственных данных, а также в последнее время в контексте адаптивного радиолокационного обнаружения.
В математической статистике, кривые роста, такие как те, что используются в биологии, часто моделируются как непрерывные случайные процессы, например как примерные пути, которые почти наверняка решают стохастические дифференциальные уравнения. Кривые роста также применялись при прогнозировании развития рынка.