Использование пользовательской функции для сглаживания

Недавно я начал изучать R и столкнулся с проблемой использования пользовательской функции при построении графика. Я хочу использовать уравнение канифоли-раммлера, но не могу понять, как его использовать в моем случае. В Mathkad это было легко решено. А вот не могу понять.

Это пример моих данных и кода.

ху гг кошка1 sem1 0 0 0 №1 10 3 0 №1 20 30 0 №1 30 18 0 №1 40 15 0 №1 50 13 0 №1 60 8 0 №1 70 5 0 №1 80 3 0 №1 90 2 0 №1 100 0 0 №1 110 0 0 №1
ggplot(allOnw, aes(x = xy, y=yy, col = sem1)) +geom_point()+
  guides(fill = FALSE) +  labs(col = "S" )+theme(legend.position = "bottom")  +scale_x_continuous(breaks = seq(from = 0, to = 160, by = 10), limits = c(0,160))+
  scale_color_manual(values = c("blue", "cyan", "darkgreen","darkorange","gold","darkorchid")) + 
  facet_wrap(vars(cat1),ncol = 1, strip.position = "right")+labs(x  = "MP")+labs(y = "GT ")

Я бы хотел, чтобы график выглядел так, как при использовании geom_density. Что я могу сделать для этого? Является ли это возможным?

Я не очень хорошо знаком с rosin-rammler, но неглубокий поиск, который я сделал до сих пор (например, поиск в Google для "cran" "rosin" "rammler", важные кавычки), показывает, что пакет sievetest поддерживает функции для дистрибутива, но я не думаю, что какой-либо из он находится в сглаживающей роли. На самом деле я нигде не могу найти сглаживание через этот дистрибутив, в том числе и в MathCad. Можете ли вы указать какую-либо документацию, показывающую, как она используется на любом языке программирования?

r2evans 13.02.2023 20:27

Что касается «пользовательской функции для сглаживания», ?geom_smooth включает method: Smoothing method (function) to use, я предлагаю вам изучить это.

r2evans 13.02.2023 20:29

Из википедии звучит так, будто «дистрибутив канифоли-раммлера» — это приложение дистрибутива Вейбулла. Вы ищете наиболее подходящее распределение Вейбулла для ваших данных? stats.stackexchange.com/questions/346249/…

Jon Spring 13.02.2023 20:35
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
3
56
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Если у вас есть конкретная модель, подходящая для ваших очков, вы можете использовать method = nls внутри geom_smooth.

Насколько я могу судить из литературы, функция, которую вы пытаетесь подобрать, принимает следующий вид:

rosin_rammler <- function(x, A, B, C) {
  C * ((A / x) * (x / B)^A * exp(-((x / B)^(A - 1))))
}

И мы можем использовать это прямо внутри geom_smooth:

ggplot(allOnw, aes(x = xy + 1e-6, y = yy, col = sem1)) +
  geom_point() +
  geom_smooth(formula = y ~ rosin_rammler(x, A, B, C), method = nls,
              method.args = list(algorithm = "port",
                                 start = list(A = 5, B = 20, C = 1000), 
                                 lower = c(1, 1)), se = FALSE, n = 1000) +
  labs(col = "S", x = "MP", y = "GT")+
  theme(legend.position = "bottom")  +
  scale_x_continuous(breaks = 0:16 * 10, limits = c(0, 160)) +
  scale_color_manual(values = c("blue", "cyan", "darkgreen", 
                                      "darkorange", "gold", "darkorchid")) + 
  facet_wrap(vars(cat1), ncol = 1, strip.position = "right") 

Спасибо. Это очень поможет. Это очень похоже на то, что я хотел. Хочу уточнить несколько моментов. Почему вы добавляете «+1e-6»? Может ли строка с «method.args» получить кривую с максимальным коэффициентом детерминации? Это предполагаемые коэффициенты в строке, где указаны коэффициенты со значениями (начало=список)?

GurskiyI 14.02.2023 20:27

@GurskiyI Я добавляю крошечное значение (1e-6), потому что x = 0 вызовет ошибку деления на ноль. Коэффициенты в start — это просто разумные отправные точки для параметров. Фактические параметры находятся с помощью nls метода наименьших квадратов, чтобы получить оптимальные параметры для соответствия данным с использованием этой модели.

Allan Cameron 14.02.2023 21:00

Другие вопросы по теме