Подбирайте самозапускающуюся модель асимптотической регрессии Nls в R

У меня есть кадр данных df

df<-structure(list(y = c(152.264522056852, 90.1433769206633, 14.9873599316925, 
234.736409910023, 60.4167695627548, 380.654850683175, 467.840079978108, 
358.497598990798, 431.528439198621, 442.010991849005, 351.189937948249, 
343.098349086009, 357.122478995472, -518.123427070677, -554.919201846235, 
-614.669225180172, -391.545088194311, -124.396037524566, 32.3765077856369, 
43.199114789255, -88.3050879996736, 58.9395819107303, 162.441016515717, 
116.965395963751, 13.0217520870501, 17.828320314642, -16.2957513090223, 
70.6350404303521, 45.2225155929918, 103.825463471585, -47.560741043475, 
-93.4213242912665, 20.1581508014351, 13.8083492300939, 5.60939206456533, 
31.3564232334029, 28.6217511966825, -146.205068191513, -121.016505045118, 
-115.100180697977, -82.8617020281963, -141.853484972846, -94.9308303585276, 
-64.6400166181847, -66.4285516217351, -42.6337259062566, -148.123950563371, 
-133.712445091456, -152.950761315413, -157.68036919646, -261.660716732062, 
-179.565574658569, 130.724638285115, 291.076604684815, 121.960359405726, 
164.323498383164, 348.140279591084, 129.706528767943, 93.6406692401506, 
8.05810943059623, 126.535503963009, 162.629432365065, 64.9450473105535, 
48.1501532075927, 23.6987462299876, 54.6846175976098, 26.9417262496427, 
46.334381384775, 91.8543458277127, 70.0609471213538, 3.19760374492034, 
45.6788141629659, 18.3098075923626, 51.8945797282504, 48.6587242824025, 
15.2937245042995, 28.4606461951043, 28.9567997518461, -68.2299433113076, 
-37.1677788909292, -108.258462657337, 100.907804159913, 90.3369144331664, 
-50.4272195259109, 150.876719193533, 102.855497308774, 83.0877739411662, 
-20.7788411897491, 116.68308432959, 159.48955539451, 72.2584278024733, 
-17.8282854417339, -80.1063705889392, 62.7400574584608, 91.884871121496, 
136.065904535353, 165.27273714263, 61.1652030013502, 192.680280862842, 
101.131767969579, 55.857541423291, 233.031065647025, 287.956774678081, 
189.082761215046, 390.740067397826, 89.1989531565923, 155.527563805692, 
390.368216000032, 465.239609535784, 412.304880519398, 415.90913855657, 
373.556777236925, 474.047956492752, 582.261698205024, 224.442115622107, 
315.516411969438, 283.912847682368, 390.026366345584, 322.790248586796, 
312.50101460889, 254.551377562806, 45.4501812993549, 187.152575587854, 
152.183998291846, 226.360116416588, 225.67982583819, 132.601979068451, 
-42.7843619789928, 82.2957233709167, 8.36848279205151, 115.376620422816, 
-95.2025562002382, 217.845216980437, 241.779151081573, 214.481376983225, 
219.953942558961, 315.959296110785, 263.547381375218, 194.449290025979, 
305.158690313809, 326.318877183832, 251.31948431395, 485.374653904233, 
188.342473105964, 95.6089326666552, 113.006237091264, 207.492174458399, 
168.86071747914, 161.650970792165, 94.2879041660344, 174.897059062961, 
183.964235268068, 70.9266221858561, 338.1149700284, 185.940875658067, 
198.121665383659), x = c(74, 75, 77, 78, 79, 49, 50, 51, 52, 
53, 54, 55, 56, 2, 3, 4, 5, 13, 14, 15, 16, 17, 71, 72, 157, 
160, 162, 163, 164, 165, 153, 154, 155, 71, 72, 73, 74, 37, 38, 
39, 40, 41, 40, 22, 23, 24, 13, 14, 15, 16, 5, 6, 74, 75, 76, 
77, 78, 79, 80, 81, 82, 126, 127, 128, 129, 130, 131, 132, 71, 
72, 73, 74, 75, 76, 99, 100, 101, 9, 10, 11, 3, 29, 30, 64, 65, 
66, 42, 43, 44, 45, 46, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 
54, 55, 56, 57, 58, 59, 49, 50, 51, 52, 53, 54, 56, 64, 65, 66, 
67, 68, 69, 101, 105, 106, 107, 108, 109, 34, 35, 37, 38, 39, 
10, 131, 132, 133, 134, 135, 136, 137, 138, 139, 46, 47, 17, 
18, 35, 36, 84, 85, 86, 87, 88, 67, 70, 72, 73)), .Names = c("y", 
"x"), row.names = c(719L, 720L, 721L, 722L, 723L, 724L, 725L, 
726L, 727L, 728L, 729L, 730L, 731L, 732L, 733L, 734L, 735L, 736L, 
737L, 738L, 739L, 740L, 741L, 742L, 743L, 744L, 745L, 746L, 747L, 
748L, 749L, 750L, 751L, 752L, 753L, 754L, 755L, 756L, 757L, 758L, 
759L, 760L, 761L, 762L, 763L, 764L, 765L, 766L, 767L, 768L, 769L, 
770L, 771L, 772L, 773L, 774L, 775L, 776L, 777L, 778L, 779L, 780L, 
781L, 782L, 783L, 784L, 785L, 786L, 787L, 788L, 789L, 790L, 791L, 
792L, 799L, 800L, 801L, 802L, 803L, 804L, 805L, 806L, 807L, 808L, 
809L, 810L, 814L, 815L, 816L, 817L, 818L, 819L, 820L, 821L, 822L, 
823L, 824L, 825L, 826L, 827L, 828L, 849L, 850L, 851L, 852L, 853L, 
854L, 867L, 868L, 869L, 870L, 871L, 872L, 873L, 874L, 875L, 876L, 
877L, 878L, 879L, 881L, 882L, 883L, 884L, 885L, 886L, 887L, 888L, 
889L, 890L, 891L, 914L, 924L, 925L, 926L, 927L, 928L, 929L, 930L, 
931L, 932L, 933L, 934L, 936L, 937L, 938L, 939L, 944L, 945L, 946L, 
947L, 948L, 949L, 950L, 951L, 952L), class = "data.frame")

Данные выглядят следующим образом: введите здесь описание изображения

Теперь я пытаюсь подогнать модель асимптотической регрессии к своим данным, используя функцию SSasympOff в R.

fit<-nls(y ~ SSasympOff(x, A, lrc, c0), data = df)

Однако подгонка каким-то образом не удалась, хотя я думал, что модель асимптотической регрессии действительно может соответствовать моим данным. Любые идеи, что происходит не так?


person SimonB    schedule 11.10.2015    source источник


Ответы (1)


Решение довольно простое. Мои данные должны соответствовать модели Вейбулла.

Вот ответ:

fit<-nls(y ~ SSweibull(x, A, lrc, c0), data = df
person SimonB    schedule 11.10.2015