R语言
SSfol
位于 stats
包(package)。 说明
此 selfStart
模型评估 first-order 隔室函数及其梯度。它具有 initial
属性,用于创建参数 lKe
、 lKa
和 lCl
的初始估计。
用法
SSfol(Dose, input, lKe, lKa, lCl)
参数
Dose |
代表初始剂量的数值。 |
input |
用于评估模型的数值向量。 |
lKe |
表示消除率常数的自然对数的数字参数。 |
lKa |
表示吸收率常数的自然对数的数值参数。 |
lCl |
表示间隙自然对数的数字参数。 |
值
与 input
长度相同的数值向量,它是表达式的值
Dose * exp(lKe+lKa-lCl) * (exp(-exp(lKe)*input) - exp(-exp(lKa)*input)) / (exp(lKa) - exp(lKe))
如果所有参数 lKe
、 lKa
和 lCl
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
Theoph.1 <- Theoph[ Theoph$Subject == 1, ]
with(Theoph.1, SSfol(Dose, Time, -2.5, 0.5, -3)) # response only
with(Theoph.1, local({ lKe <- -2.5; lKa <- 0.5; lCl <- -3
SSfol(Dose, Time, lKe, lKa, lCl) # response _and_ gradient
}))
getInitial(conc ~ SSfol(Dose, Time, lKe, lKa, lCl), data = Theoph.1)
## Initial values are in fact the converged values
fm1 <- nls(conc ~ SSfol(Dose, Time, lKe, lKa, lCl), data = Theoph.1)
summary(fm1)
作者
José Pinheiro and Douglas Bates
也可以看看
相关用法
- R SSfpl 自启动NLS四参数Logistic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 SSasymp 自启动 NLS 渐近回归模型
- 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 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 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 First-order Compartment 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。