(음수) 지수법 은 형식을 취합니다 . 및 값 의 단위 변경을 허용하면 및 말하면 법칙은 다음과 같이 표현됩니다., X , Y , Y = α Y ' + β X = γ X ' + δy=−exp(−x)xyy=αy′+βx=γx′+δ
αy′+β=y=−exp(−x)=−exp(−γx′−δ),
대수적으로
y′=−1αexp(−γx′−δ)−β=a(1−uexp(−bx′))
세 개의 매개 변수 , 및 합니다. 우리가 알 수 스케일에 대한 파라미터로서 , 에 대한 스케일 인자로유 = 1 / ( β EXP ( δ ) ) B = γ Y의 B는 X U를 Xa=−β/αu=1/(βexp(δ))b=γaybx 및 A로부터 유도로 위치 에 대한 파라미터 .ux
경험적으로 이러한 매개 변수는 플롯에서 한 눈에 확인할 수 있습니다 .
매개 변수 2000a 는 보다 약간 작은 수평 점근선의 값입니다 .2000
매개 변수 는 곡선이 원점에서 수평 점근선까지 상승 하는 상대적인 양입니다. 여기서 상승은 보다 약간 적다 . 상대적으로 이는 점근선 의 약 입니다.2000 년 -937 0.55u2000−9370.55
때문에 때 3 배 값과 일치 한 곡선에 대한 상승한다 또는 의 총. 에서 거의 증가한 는 년경에 우리를 둔다 . 음모를 스캔 한 결과 ~ 일 이 걸렸습니다 . 라고합시다exp(−3)≈0.05x1/b1−0.0595%95%93720001950202524단순화를 위해 입니다. ( 지수 척도를 안구하는 이 방법은 지수 그림을 많이 사용하는 일부 필드에서 표준입니다.)b≈3/24=0.12595%
이것이 어떻게 보이는지 봅시다 :
plot(Days, Emissions)
curve((y = 2000 * (1 - 0.56 * exp(-0.125*x))), add = T)
시작하기에는 나쁘지 않습니다! ( 어쨌든 조잡한 근사치 인 0.56
대신에 입력해도 불구하고 0.55
)nls
:
fit <- nls(Emissions ~ a * (1- u * exp(-b*Days)), start=list(a=2000, b=1/8, u=0.55))
beta <- coefficients(fit)
plot(Days, Emissions)
curve((y = beta["a"] * (1 - beta["u"] * exp(-beta["b"]*x))), add = T, col="Green", lwd=2)
의 결과 nls
에는 모수 불확실성에 대한 광범위한 정보 가 포함됩니다. 예를 들어 , 단순 summary
은 추정의 표준 오차를 제공합니다.
> summary(fit)
Parameters:
Estimate Std. Error t value Pr(>|t|)
a 1.969e+03 1.317e+01 149.51 2.54e-10 ***
b 1.603e-01 1.022e-02 15.69 1.91e-05 ***
u 6.091e-01 1.613e-02 37.75 2.46e-07 ***
추정치의 전체 공분산 행렬을 읽고 사용할 수 있으며, 이는 동시 신뢰 구간 (적어도 큰 데이터 집합의 경우)을 추정하는 데 유용합니다.
> vcov(fit)
a b u
a 173.38613624 -8.720531e-02 -2.602935e-02
b -0.08720531 1.044004e-04 9.442374e-05
u -0.02602935 9.442374e-05 2.603217e-04
nls
매개 변수에 대한 프로파일 도표를 지원하여 불확실성에 대한 자세한 정보를 제공합니다.
> plot(profile(fit))
여기서의 변동을 나타내는 3 개의 출력의 플롯이다 :a
예를 들어 , t- 값 는 대략 95 % 양측 신뢰 구간에 해당하고; 이 그림은 과 끝점을 배치합니다 .219451995