R语言
SSweibull
位于 stats
包(package)。 说明
此 selfStart
模型评估威布尔模型的增长曲行数据及其梯度。它具有 initial
属性,用于评估给定数据集的参数 Asym
、 Drop
、 lrc
和 pwr
的初始估计。
用法
SSweibull(x, Asym, Drop, lrc, pwr)
参数
x |
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( |
Drop |
表示从 |
lrc |
表示速率常数的自然对数的数字参数。 |
pwr |
一个数字参数,表示 |
细节
该模型是 SSasymp
模型的泛化,当 pwr
统一时,它会简化为 SSasymp
。
值
与 x
长度相同的数值向量。它是表达式 Asym-Drop*exp(-exp(lrc)*x^pwr)
的值。如果所有参数 Asym
、 Drop
、 lrc
和 pwr
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
Chick.6 <- subset(ChickWeight, (Chick == 6) & (Time > 0))
SSweibull(Chick.6$Time, 160, 115, -5.5, 2.5) # response only
local({ Asym <- 160; Drop <- 115; lrc <- -5.5; pwr <- 2.5
SSweibull(Chick.6$Time, Asym, Drop, lrc, pwr) # response _and_ gradient
})
## IGNORE_RDIFF_BEGIN
getInitial(weight ~ SSweibull(Time, Asym, Drop, lrc, pwr), data = Chick.6)
## IGNORE_RDIFF_END
## Initial values are in fact the converged values
fm1 <- nls(weight ~ SSweibull(Time, Asym, Drop, lrc, pwr), data = Chick.6)
summary(fm1)
## Data and Fit:
plot(weight ~ Time, Chick.6, xlim = c(0, 21), main = "SSweibull() fit to Chick.6")
ux <- par("usr")[1:2]; x <- seq(ux[1], ux[2], length.out=250)
lines(x, do.call(SSweibull, c(list(x=x), coef(fm1))), col = "red", lwd=2)
As <- coef(fm1)[["Asym"]]; abline(v = 0, h = c(As, As - coef(fm1)[["Drop"]]), lty = 3)
作者
Douglas Bates
参考
Ratkowsky, David A. (1983), Nonlinear Regression Modeling, Dekker. (section 4.4.5)
也可以看看
相关用法
- 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 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 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 Weibull Growth Curve 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。