Jai 2 variables, toutes deux de la classe « 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
Je les ai tracés, et maintenant je voudrais adapter un modèle exponentiel aux données (et lajouter au plot) mais je ne trouve aucune information sur lajustement de modèles à des données multivariées dans R! Quelquun peut-il aider uniquement pour les données univariées? Je ne sais même pas par où commencer … Merci!
Commentaires
- Cest un peu déroutant. Vous dites que vous avez deux " variables indépendantes " (je préfère " prédicteur ", mais ' nest pas important). Avez-vous des " dépendants " / " response " variables? Sil sagissait des deux variables de réponse, je peux imaginer ajuster une distribution de probabilité paramétrique bivariée (avec ou sans variables prédictives dont dépendaient les paramètres de la distribution ') – ou une estimation de la densité du noyau 2D. Peut-être pourriez-vous expliquer un peu plus le contexte. (PS, quel que soit le ' s qui votent pour la question doit savoir ce que cela signifie … Quelquun veut-il intervenir?)
- Dans tous les cas, vous ' d mieux vaut aller à crossvalidated.com pour de telles questions. ou vers un site Web obscur appelé Google. Il a trouvé des informations sur lajustement des modèles à des données multivariées. Beaucoup (4 millions deux cent trente mille pour être exact)
- Je ' d recommander bing – cest un moteur de décision après tout, les moteurs de recherche sont donc 20e siècle … regardez simplement Yahoo et Demandez à Jeeves, à quel point sont-ils hors de propos aujourdhui?!?
- @Ben Bolker – Merci pour votre aide, jai retiré lindépendant, car ce nétait pas correct. Ce que jai, cest la distance entre les emplacements (x) et les corrélations de précipitations entre les emplacements (y)
- notez que vous devrez utiliser des méthodes spéciales si vous souhaitez faire des inférences statistiques sur ces données, car si les distances ont été calculés sur un ensemble commun demplacements, ils ne sont pas indépendants – recherche par exemple pour " Test Mantel "
Réponse
Je ne suis pas tout à fait sûr de ce que vous demandez, car votre jargon est faux. Mais en supposant que vos variables ne sont pas indépendantes les unes des autres (si elles létaient, alors ils « ne sont aucun rapport à trouver) Je vais essayer. Si x est votre variable indépendante (ou prédictive) et y votre variable dépendante (ou réponse), cela devrait fonctionner.
# 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))) Commentaires
- merci pour votre réponse, jai pris le mot " indépendant ", comme vous lavez souligné, cela na ' aucun sens. En utilisant votre code pour mes données, je peux adapter le modèle, mais le résultat est des dizaines de lignes dans le graphique au lieu dune seule. Une idée de pourquoi?
- @sbg – Non, désolé, je ne peux ' penser à une raison. Est-ce que
nls()correspond à un modèle? - Je pense que oui, jobtiens: Modèle de modèle de régression non linéaire: données y ~ exp (a + b * x): DF ab -0,535834 -0,002024 somme des carrés résiduelle: 18,62 Nombre ditérations jusquà la convergence: 6 Tolérance de convergence atteinte: 8,08e-06
- @sbg essayez de trier votre
xvariable:lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))