データへの指数モデルのあてはめ

私は2つの変数を持っています、両方ともクラス「数値」から：

> 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

私はそれらをプロットしましたが、指数モデルをデータに当てはめたい（そしてプロットに追加したい）のですが、Rの多変量データにモデルを当てはめることに関する情報が見つかりません！単変量データに対してのみ、誰かが助けることができますか？どこから始めればいいのかさえわかりません...ありがとう！

— sbg
ソース

これは少しわかりにくいです。2つの「独立した」変数があると言います（「予測」が好きですが、それは重要ではありません）。「依存」/「応答」変数はありますか？これらが両方とも応答変数である場合、パラメトリックな2変量確率分布（分布のパラメーターが依存する予測変数の有無にかかわらず）、または2Dカーネル密度の推定値を近似することを想像できます。コンテキストをもう少し説明できるかもしれません。（PSの質問に賛成する人は、それが何を意味するのかを知っている必要があります...誰かがチャイムを鳴らしたいですか？）

— ベンボルカー

いずれにせよ、このような質問についてはcrossvalidated.comにアクセスした方がいいでしょう。またはGoogleと呼ばれる不明瞭なウェブサイトに。モデルを多変量データに適合させる情報を見つけました。かなりたくさん（正確には400万2万3万）

— ジョリスメイズ

私はbingをお勧めします-それは結局決定エンジンです、検索エンジンは20世紀です...ヤフーとAsk Jeevesを見てください、今日はどれほど無関係ですか？！？

— チェイス

@Ben Bolker-助けてくれてありがとう、私は独立しました。私が持っているのは、場所間の距離（x）と場所間の降雨の相関（y）

「マンテル検定」の例を検索-距離は場所の共通セットで計算した場合、彼らは独立していないので、あなたが、あなたはこれらのデータに統計的推論を作りたい場合は、特別なメソッドを使用する必要がありますのでご注意

— ベンBolker

あなたの専門用語がオフになっているので、私はあなたが何を求めているのか完全にはわかりません。しかし、あなたの変数が独立していないと仮定して、互いの私はそれを試してみるよ（彼らがいた場合、それらは見つけることは何の関係もないです）。場合はx、あなたの独立した（または予測因子）変数でありy、あなたの依存（または応答）変数であり、これは動作するはずです。

# 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)))

— リチャード・ヘロン
ソース

あなたの答えをありがとう、あなたが指摘したように、私は「独立した」という言葉を取り除いた、それは意味をなさない。データにコードを使用すると、モデルに適合できますが、結果はグラフに1行ではなく数十行になります。理由は何ですか？

@sbg-いいえ、申し訳ありませんが、理由を考えることはできません。ないnls()モデルに合いますか？

— リチャードヘロン

そうだと思います：非線形回帰モデルモデル：y〜exp（a + b * x）データ：DF ab -0.535834 -0.002024残差平方和：18.62収束までの反復回数：6達成された収束許容値：8.08 e-06

あなたの並べ替えてみてください@sbg x変数を：lines(sort(temp$x),predict(mod, list(x=sort(temp$x)))

— ベンBolker