R语言
SSasymp
位于 stats
包(package)。 说明
此 selfStart
模型评估渐近回归函数及其梯度。它具有 initial
属性,用于评估给定数据集的参数 Asym
、 R0
和 lrc
的初始估计。
请注意,SSweibull()
使用额外参数概括了此渐近模型。
用法
SSasymp(input, Asym, R0, lrc)
参数
input |
用于评估模型的数值向量。 |
Asym |
表示右侧水平渐近线的数字参数( |
R0 |
表示 |
lrc |
表示速率常数的自然对数的数字参数。 |
值
与 input
长度相同的数值向量。它是表达式 Asym+(R0-Asym)*exp(-exp(lrc)*input)
的值。如果所有参数 Asym
、 R0
和 lrc
都是对象的名称,则与这些名称相关的梯度矩阵将作为名为 gradient
的属性附加。
例子
Lob.329 <- Loblolly[ Loblolly$Seed == "329", ]
SSasymp( Lob.329$age, 100, -8.5, -3.2 ) # response only
local({
Asym <- 100 ; resp0 <- -8.5 ; lrc <- -3.2
SSasymp( Lob.329$age, Asym, resp0, lrc) # response _and_ gradient
})
getInitial(height ~ SSasymp( age, Asym, resp0, lrc), data = Lob.329)
## Initial values are in fact the converged values
fm1 <- nls(height ~ SSasymp( age, Asym, resp0, lrc), data = Lob.329)
summary(fm1)
## Visualize the SSasymp() model parametrization :
xx <- seq(-.3, 5, length.out = 101)
## Asym + (R0-Asym) * exp(-exp(lrc)* x) :
yy <- 5 - 4 * exp(-xx / exp(3/4))
stopifnot( all.equal(yy, SSasymp(xx, Asym = 5, R0 = 1, lrc = -3/4)) )
require(graphics)
op <- par(mar = c(0, .2, 4.1, 0))
plot(xx, yy, type = "l", axes = FALSE, ylim = c(0,5.2), xlim = c(-.3, 5),
xlab = "", ylab = "", lwd = 2,
main = quote("Parameters in the SSasymp model " ~
{f[phi](x) == phi[1] + (phi[2]-phi[1])*~e^{-e^{phi[3]}*~x}}))
mtext(quote(list(phi[1] == "Asym", phi[2] == "R0", phi[3] == "lrc")))
usr <- par("usr")
arrows(usr[1], 0, usr[2], 0, length = 0.1, angle = 25)
arrows(0, usr[3], 0, usr[4], length = 0.1, angle = 25)
text(usr[2] - 0.2, 0.1, "x", adj = c(1, 0))
text( -0.1, usr[4], "y", adj = c(1, 1))
abline(h = 5, lty = 3)
arrows(c(0.35, 0.65), 1,
c(0 , 1 ), 1, length = 0.08, angle = 25); text(0.5, 1, quote(1))
y0 <- 1 + 4*exp(-3/4) ; t.5 <- log(2) / exp(-3/4) ; AR2 <- 3 # (Asym + R0)/2
segments(c(1, 1), c( 1, y0),
c(1, 0), c(y0, 1), lty = 2, lwd = 0.75)
text(1.1, 1/2+y0/2, quote((phi[1]-phi[2])*e^phi[3]), adj = c(0,.5))
axis(2, at = c(1,AR2,5), labels= expression(phi[2], frac(phi[1]+phi[2],2), phi[1]),
pos=0, las=1)
arrows(c(.6,t.5-.6), AR2,
c(0, t.5 ), AR2, length = 0.08, angle = 25)
text( t.5/2, AR2, quote(t[0.5]))
text( t.5 +.4, AR2,
quote({f(t[0.5]) == frac(phi[1]+phi[2],2)}~{} %=>% {}~~
{t[0.5] == frac(log(2), e^{phi[3]})}), adj = c(0, 0.5))
par(op)
作者
José Pinheiro and Douglas Bates
也可以看看
相关用法
- R SSasympOrig 通过原点的自启动 NLS 渐近回归模型
- R SSasympOff 带偏移量的自启动 Nls 渐近回归模型
- R SSD 多元模型中的 SSD 矩阵和估计方差矩阵
- R SSbiexp 自启动 NLS 双指数模型
- R SSmicmen 自启动 NLS Michaelis-Menten 模型
- R SSweibull 自启动 NLS 威布尔增长曲线模型
- R SSlogis 自启动 NLS 逻辑模型
- R SSgompertz 自启动 NLS Gompertz 增长模型
- R SSfol 自启动 NLS 一阶室模型
- R SSfpl 自启动NLS四参数Logistic模型
- R StructTS 拟合结构时间序列
- R Smirnov 斯米尔诺夫统计量的分布
- R SignRank Wilcoxon 有符号秩统计量的分布
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Self-Starting Nls Asymptotic Regression Model。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。