将指数模型拟合到数据

我有2个变量，都来自“数字”类：

> head(y) [1] 0.4651804 0.6185849 0.3766175 0.5489810 0.3695258 0.4002567
> head(x) [1] 59.32820 68.46436 80.76974 132.90824 216.75995 153.25551

我绘制了它们，现在我想对数据拟合指数模型（并将其添加到绘图中），但是我找不到关于拟合模型以在R中使用多元数据的任何信息！仅单变量数据，有人可以帮忙吗？我什至不知道从哪里开始...谢谢！

— b
source

这有点令人困惑。您说您有两个“独立”变量（我更喜欢“预测变量”，但这并不重要）。您是否有“因变量” /“响应变量”？如果这两个都是响应变量，我可以想象拟合一个参数化的双变量概率分布（带有或不带有分布参数所依赖的预测变量）或二维核密度估计。也许您可以进一步解释上下文。（PS赞成这个问题的人必须知道这意味着什么……有人在乎吗？）

— Ben Bolker

无论如何，您最好访问crossvalidated.com以获得此类问题。或访问不起眼的网站Google。它确实找到了有关将模型拟合到多元数据的信息。相当多（

— 准确地说

我建议bing-毕竟这是一个决策引擎，搜索引擎是如此的20世纪...只要看看Yahoo和Ask Jeeves，它们今天有多无关紧要？！

— 追逐

@Ben Bolker-感谢您的帮助，我已取消独立记录，因为它不正确。我所拥有的是位置之间的距离（x）和位置之间的降雨相关性（y）

请注意，如果要对这些数据进行统计推断，则必须使用特殊方法，因为如果距离是在一组公共位置上计算得出的，则它们不是独立的-例如，搜索“ Mantel测试”

— Ben Bolker

我不确定您要问的是什么，因为您的行话没了。但是，假设您的变量不是彼此独立的（如果它们是相互独立的，那么它们就没有关系了），我将尝试一下。如果x是您的自变量（或预测变量），又y是您的因变量（或响应变量），那么这应该起作用。

# generate data
beta <- 0.05
n <- 100
temp <- data.frame(y = exp(beta * seq(n)) + rnorm(n), x = seq(n))

# plot data
plot(temp$x, temp$y)

# fit non-linear model
mod <- nls(y ~ exp(a + b * x), data = temp, start = list(a = 0, b = 0))

# add fitted curve
lines(temp$x, predict(mod, list(x = temp$x)))

— 理查德·赫伦
source

谢谢您的回答，正如您所指出的，我已经删除了“独立”一词，这没有任何意义。使用您的代码作为数据，我可以拟合模型，但是结果是图形中有数十条线，而不仅仅是一条线。知道为什么吗？

@sbg-不，对不起，我想不出原因。不nls()适合的模式？

— 理查德·赫伦

我认为是这样的：非线性回归模型模型：y〜exp（a + b * x）数据：DF ab -0.535834 -0.002024残差平方和：18.62收敛的迭代次数：6达到的收敛公差：8.08 e-06

@sbg尝试对x变量进行排序：lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))

— Ben Bolker