2つの変数があり、どちらもクラス「数値」からのものです。
> 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
プロットしたので、指数モデルをデータに適合させたい（そしてそれをデータに追加したい）プロット）しかし、Rの多変量データにモデルを適合させるための情報が見つかりません！データを単変量にするためだけに、誰かが助けることができますか？どこから始めればいいのかわからない…ありがとう！
コメント
独立した"変数（私は"予測子"ですが、'は重要ではありません）。"依存" / " response "変数？これらが両方とも応答変数である場合、パラメトリックな2変量確率分布（ありまたはなし）を当てはめることを想像できます。分布'のパラメーターが依存する予測変数）-または2Dカーネル密度推定。おそらくコンテキストをもう少し説明できます。（PSwhoever '質問に賛成する人は、それが何を意味するのかを知っている必要があります…誰かがチャイムを鳴らしますか？）
いずれにせよ、あなたは' d crossvalidated.com 。またはグーグルと呼ばれるあいまいなウェブサイトに。モデルを多変量データに適合させるための情報が見つかりました。かなりたくさん（正確には400万23万）
I ' bingをお勧めします-結局のところ、これは意思決定エンジンであり、検索エンジンはだから20世紀… YahooとAskJeevesを見てください、今日はどれほど無関係ですか？！？
@Ben Bolker-助けてくれてありがとう、私は独立を取り除いた、それは正しくなかったから。私が持っているのは、場所間の距離（x）と場所間の降雨量の相関関係（y）
これらのデータを統計的に推測する場合は、特別な方法を使用する必要があることに注意してください。共通の場所のセットで計算されましたが、それらは独立していません-検索例"マンテル検定"
回答
あなたの用語がオフになっているため、あなたが何を求めているのか完全にはわかりません。しかし、変数が互いに独立していないと仮定します （もしそうなら、彼らは「見つけることとは関係ありません）私はそれを試してみます。 xが独立（または予測）変数であり、yが従属（または応答）変数である場合、これは機能するはずです。
# 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)))
コメント