Mám 2 proměnné, obě ze třídy „numeric“:
> head(y)
[1] 0.4651804 0.6185849 0.3766175 0.5489810 0.3695258 0.4002567
> head(x)
[1] 59.32820 68.46436 80.76974 132.90824 216.75995 153.25551
Vynesl jsem je do grafu a nyní bych chtěl dát k datům exponenciální model (a přidat jej do plot), ale nemohu najít žádné informace o přizpůsobení modelů pro vícerozměrné údaje v R! Může někdo pomoci, jen aby univariate data? Ani nevím, kde začít … Díky!
Komentáře
- To je trochu matoucí. Říkáte, že máte dva " nezávislé " proměnné (preferuji " prediktor ", ale to ' s není důležité). Máte nějaké " závislé " / " proměnné odezvy "? Pokud by šlo o obě proměnné odezvy, dovedu si představit přizpůsobení parametrického dvojrozměrného rozdělení pravděpodobnosti (s nebo bez predikční proměnné, na kterých ' záviseli parametry distribuce) – nebo odhad hustoty 2D jádra. Možná byste mohli vysvětlit kontext trochu víc. (PS kdokoli Při hlasování o otázce musíte vědět, co to znamená … kdokoli se chce zabavit?)
- V každém případě ' d raději přejděte na crossvalidated.com pro takové otázky. nebo na obskurní web zvaný Google. Nalezlo informace o přizpůsobení modelů vícerozměrným datům. Docela hodně (přesně 4 miliony dvě stě třicet tisíc)
- Doporučuji bing – je to koneckonců vyhledávací modul, vyhledávače jsou takže 20. století … stačí se podívat na Yahoo a Zeptejte se Jeevese, jak jsou dnes irelevantní?!?
- @Ben Bolker – Díky za pomoc, vyřadil jsem nezávislé, protože to nebylo správné. Mám vzdálenost mezi lokacemi (x) a korelaci srážek mezi lokacemi (y)
- Všimněte si, že pokud chcete z těchto dat učinit statistické závěry, budete muset použít speciální metody, protože pokud jsou vzdálenosti byly vypočítány na společné sadě míst, nejsou nezávislé – hledejte např pro " Mantel test "
odpověď
Nejsem si úplně jistý, na co se ptáte, protože vaše žargon je vypnutý. Ale za předpokladu, že vaše proměnné nejsou nezávislé na sobě (pokud ano, pak oni „nejsou v žádném vztahu k nalezení) Já to zkusím. Pokud je x vaše nezávislá (nebo predikční) proměnná a y je vaše závislá (nebo odpověď) proměnná, pak by to mělo fungovat.
# generate data beta <- 0.05 n <- 100 temp <- data.frame(y = exp(beta * seq(n)) + rnorm(n), x = seq(n)) # plot data plot(temp$x, temp$y) # fit non-linear model mod <- nls(y ~ exp(a + b * x), data = temp, start = list(a = 0, b = 0)) # add fitted curve lines(temp$x, predict(mod, list(x = temp$x))) Komentáře
- děkuji za vaši odpověď, vzal jsem si slovo " nezávislý " mimo, jak jste zdůraznili, ' to nedávalo smysl. S využitím vašeho kódu pro svá data můžu přizpůsobit model, ale výsledkem jsou desítky řádků v grafu namísto jediného. Nějaký nápad proč?
- @sbg – Ne, omlouvám se, ' nemůžu myslet na důvod, proč. Hodí se
nls()na model? - Myslím, že ano, dostanu: Model nelineární regrese: y ~ exp (a + b * x) data: DF ab -0,535834 -0,002024 zbytkový součet čtverců: 18,62 Počet iterací ke konvergenci: 6 Dosažená tolerance konvergence: 8,08e-06
- @sbg zkuste seřadit
xproměnná:lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))