Üstel bir modelin verilere uyarlanması

Her ikisi de "sayısal" sınıfından 2 değişkenim var:

> 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

Onları çizdim ve şimdi verilere üstel bir model sığdırmak istiyorum (ve arsaya eklemek istiyorum); ancak R! Yalnızca tek değişkenli veriler için biri yardımcı olabilir mi? Nereden başlayacağımı bile bilmiyorum ... Teşekkürler!

— sbg
kaynak

Bu biraz kafa karıştırıcı. İki "bağımsız" değişkenin olduğunu söylüyorsun ("öngörücüyü" tercih ederim ama bu önemli değil). "Bağımlı" / "yanıt" değişkenleriniz var mı? Bunların her ikisi de yanıt değişkenleri olsaydı, parametrik, iki değişkenli olasılık dağılımını (dağıtım parametrelerinin dayandığı tahmin değişkenleri olsun olmasın) ya da 2B çekirdek yoğunluğu tahminini kullanmayı hayal edebiliyorum. Belki bağlamı biraz daha açıklayabilirsin. (Soruyu önemseyen PS, bunun ne anlama geldiğini bilmek zorunda ... kimsenin çanı umursayacağını mı düşünüyorsunuz?)

— Ben Bolker

Her durumda, bu tür sorular için crossvalidated.com adresine gitmeniz daha iyi olur . veya Google denilen karanlık bir web sitesine. Çok değişkenli verilere uydurma modelleri hakkında bilgi buldu. Oldukça fazla (4 milyon iki yüz otuz bin kesin olmalı)

— Joris Meys

Bing'i tavsiye ederim - sonuçta bir karar motoru, arama motorları çok 20. yüzyılda ... sadece Yahoo'ya bakın ve Jeeves'e sorun, bugün ne kadar alakasızlar ?!

— Chase,

@Ben Bolker - Yardımlarınız için teşekkürler, bağımsızlığı çıkardım, çünkü doğru değildi. Sahip olduğum yerler (x) arasındaki mesafe ile yağışlar arasındaki ilişki (y)

Bu veriler üzerinde istatistiksel çıkarımlar yapmak istiyorsanız, özel yöntemler kullanmak zorunda kalacağınızı unutmayın, çünkü eğer mesafeler ortak bir konum üzerinde hesaplanmışsa, bağımsız değildir - örneğin, "Mantel testi" için arama yapın

— Ben Bolker

Ne istediğinden tam olarak emin değilim, çünkü diliniz kapalı. Ama değişkenler bağımsız olmadığını varsayarak birbirinden ben denemeye edeceğiz (onlar olsaydı, o zaman bulmak için hiçbir ilişkisi olmak konum). Eğer xsizin bağımsız (veya belirleyicisi) değişkendir ve ysizin bağımlı (veya yanıt) değişkendir, o zaman bu çalışması gerekir.

# 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)))

— Richard Herron
kaynak

Cevabınız için teşekkür ederim, belirttiğiniz gibi "bağımsız" kelimesini çıkardım, bir anlamı yoktu. Verilerim için kodunuzu kullanarak modele uyabilirim ancak sonuç grafikte sadece bir tane yerine düzinelerce satırdır. Neden bir fikrin var mı?

@sbg - Hayır, üzgünüm, nedenini düşünemiyorum. Mankene nls()uygun mu ?

— Richard Herron,

Öyle düşünüyorum: Doğrusal olmayan regresyon modeli modeli: y ~ exp (a + b * x) verisi: DF ab -0.535834 -0.002024 artık kareler toplamı: 18.62 Yakınsaklık yineleme sayısı: 6 Elde edilen yakınsama toleransı: 8.08 e-06

@sbg xdeğişkeninizi sıralamayı deneyin :lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))

— Ben Bolker