Am 2 variabile, ambele din clasa „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
Le-am trasat, iar acum aș dori să încadrez un model exponențial în date (și să îl adaug în complot), dar nu găsesc nicio informație cu privire la adaptarea modelelor la date multivariate în R! Poate ajuta cineva doar pentru a univariate date? Nici măcar nu știu de unde să încep … Mulțumesc!
Comentarii
- Este puțin confuz. Spui că ai două " variabile independente " (prefer " predictor ", dar ' nu este important). Aveți " dependent " / " răspuns " variabile? Dacă acestea au fost ambele variabile de răspuns, îmi pot imagina potrivirea unei distribuții de probabilitate parametrice, bivariate (cu sau fără variabile predictive de care depindeau parametrii de distribuție ') – sau o estimare a densității kernelului 2D. Poate ați putea explica contextul un pic mai mult. (PS oricine susținând întrebarea trebuie să știe ce înseamnă … căruia îi pasă cineva?)
- În orice caz, ' d mai bine mergeți la crossvalidated.com pentru astfel de întrebări. sau la un site obscur numit Google. A găsit informații despre adaptarea modelelor la date multivariate. Destul de mult (4 milioane două sute treizeci de mii mai exact)
- Recomand bing – la urma urmei este un motor de decizie, motoarele de căutare sunt deci secolul XX … uită-te la Yahoo și întreabă-l pe Jeeves, cât de irelevante sunt astăzi?!?
- @Ben Bolker – Vă mulțumim pentru ajutor, am eliminat independentul, pentru că nu a fost corect. Ceea ce am este distanța dintre locații (x) și corelații de precipitații între locații (y)
- rețineți că va trebui să utilizați metode speciale dacă doriți să faceți inferențe statistice asupra acestor date, deoarece dacă distanțele au fost calculate pe un set comun de locații, nu sunt independente – căutați de ex pentru " Test mantel "
Răspuns
Nu sunt complet sigur de ceea ce îți ceri, deoarece lingo-ul tău este dezactivat. Dar presupunând că variabilele tale nu sunt independente unele de altele (dacă ar fi, atunci nu vor avea nicio relație de găsit) o să încerc. Dacă x este variabila dvs. independentă (sau predictor) și y este variabila dvs. dependentă (sau de răspuns), atunci aceasta ar trebui să funcționeze.
# 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))) Comentarii
- mulțumesc pentru răspunsul dvs., am luat cuvântul " independent ", așa cum ați subliniat, nu avea ' să aibă sens. Folosind codul dvs. pentru datele mele, pot să mă potrivesc cu modelul, dar rezultatul este zeci de linii în grafic în loc de unul singur. Ai vreo idee?
- @sbg – Nu, îmi pare rău, nu pot ' să mă gândesc la un motiv pentru care.
nls()se potrivește unui model? - Cred că da, obțin: model de model de regresie neliniar: y ~ exp (a + b * x) date: DF ab -0.535834 -0.002024 suma reziduală a pătratelor: 18.62 Numărul de iterații la convergență: 6 Toleranță de convergență realizată: 8.08e-06
- @sbg încercați să sortați
xvariabilă:lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))