Hallo Andreas,
> Statt aber
> NonlinearRegress[data1, {x^(a) + b}, {a, b}, x]
> NonlinearRegress[data2, a*x - b*x^2, {a, b}, x]
> zu verwenden <snip> würde ich gerne alles in einem fitten.
> NonlinearRegress[{data1, data2}, {{x^(a) + b}, {a*x - b*x^2}}, {a, b}, x]
mit NonlinearRegress[{data1[x], data2[x], ..., dataN[x]},
{f1[x, p1, p2], f2[x, p1, p2], ... fN[x, p1, p2]}}, {p1, p2}, x]
soll gemeint sein, dass für alle Datensätze dieselben resultierenden Parameter p1 und p2
verwendet werden sollen und die Summe der quadratischen Abweichungen
Sum[ Sum[(data_i[x_j] - f_i[x_j, p1, p2])^2, {j, 1, n_i}], {i, 1, N}] kleinstmöglich sein soll?
Wie bereits am 16.8. d.J. in dieser Gruppe diskutiert, ist es auch in Ihrem Beispiel nicht nötig,
NonlinearRegress[] zu verwenden, Fit[] oder Regress[] reichen für diesen Ansatz aus.
Gruss
Udo.