Для оптимизации нелинейных функций существует функция OPTIF9, и на ней есть вариация, которая обрабатывает constraints on the parameters. Это сложно, потому что всякий раз, когда он сталкивается с границей, это уменьшает размерность проблемы на 1. Другим подходом является преобразование параметров с помощью функции, такой как log или logit, которая неявно ограничена.
Лично я предпочитаю Метрополис-Гастингс. Это просто, и вы можете просто ввести большой штраф за параметры вне пределов. Поскольку вы минимизируете сумму квадратов с равным весовым коэффициентом для всех наблюдений, тривиально рассматривать его как пример максимизации гауссовского логарифмического правдоподобия, и MH хорош в этом.
спасибо. Я думаю, мне нужно перевести свой вопрос на math.stackexchange.com –