R语言
SSasympOff
位于 stats
包(package)。 说明
此 selfStart
模型评估渐近回归函数的替代参数化以及相对于这些参数的梯度。它具有 initial
属性,用于创建参数 Asym
、 lrc
和 c0
的初始估计。
用法
SSasympOff(input, Asym, lrc, c0)
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( |
lrc |
表示速率常数的自然对数的数字参数。 |
c0 |
表示响应为零的 |
值
与 input
长度相同的数值向量。它是表达式 Asym*(1 - exp(-exp(lrc)*(input - c0)))
的值。如果所有参数 Asym
、 lrc
和 c0
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
CO2.Qn1 <- CO2[CO2$Plant == "Qn1", ]
SSasympOff(CO2.Qn1$conc, 32, -4, 43) # response only
local({ Asym <- 32; lrc <- -4; c0 <- 43
SSasympOff(CO2.Qn1$conc, Asym, lrc, c0) # response and gradient
})
getInitial(uptake ~ SSasympOff(conc, Asym, lrc, c0), data = CO2.Qn1)
## Initial values are in fact the converged values
fm1 <- nls(uptake ~ SSasympOff(conc, Asym, lrc, c0), data = CO2.Qn1)
summary(fm1)
## Visualize the SSasympOff() model parametrization :
xx <- seq(0.25, 8, by=1/16)
yy <- 5 * (1 - exp(-(xx - 3/4)*0.4))
stopifnot( all.equal(yy, SSasympOff(xx, Asym = 5, lrc = log(0.4), c0 = 3/4)) )
require(graphics)
op <- par(mar = c(0, 0, 4.0, 0))
plot(xx, yy, type = "l", axes = FALSE, ylim = c(-.5,6), xlim = c(-1, 8),
xlab = "", ylab = "", lwd = 2,
main = "Parameters in the SSasympOff model")
mtext(quote(list(phi[1] == "Asym", phi[2] == "lrc", phi[3] == "c0")))
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(-0.8, c(2.1, 2.9),
-0.8, c(0 , 5 ), length = 0.1, angle = 25)
text (-0.8, 2.5, quote(phi[1]))
segments(3/4, -.2, 3/4, 1.6, lty = 2)
text (3/4, c(-.3, 1.7), quote(phi[3]))
arrows(c(1.1, 1.4), -.15,
c(3/4, 7/4), -.15, length = 0.07, angle = 25)
text (3/4 + 1/2, -.15, quote(1))
segments(c(3/4, 7/4, 7/4), c(0, 0, 2), # 5 * exp(log(0.4)) = 2
c(7/4, 7/4, 3/4), c(0, 2, 0), lty = 2, lwd = 2)
text( 7/4 +.1, 2./2, quote(phi[1]*e^phi[2]), adj = c(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 SSasymp 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 with an Offset。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。