Jak dodać nieliniową linię trendu do wykresu rozrzutu w R? [Zamknięte]

Mam wykres rozproszenia. Jak mogę dodać nieliniową linię trendu?

Stwórzmy trochę danych.

n <- 100
x <- seq (n)
y <- rnorm (n, 50 + 30 * x ^ (- 0,2), 1)
Dane <- data.frame (x, y)

Poniżej pokazano, jak dopasować linię lessa lub dopasowanie regresji nieliniowej.

wykres (y ~ x, dane)

# dopasuj linię lessa
loess_fit <- loess (y ~ x, dane)
linie (dane $ x, przewidywanie (loess_fit), col = "niebieski")

# dopasuj regresję nieliniową
nls_fit <- nls (y ~ a + b * x ^ (- c), Dane, start = lista (a = 80, b = 20, 
    c = 0,2))
wiersze (dane $ x, przewidywanie (nls_fit), col = "czerwony")

Jeśli użyjesz ggplot2(trzeci system kreślenia, w R, po podstawie R i sieci), staje się to:

library(ggplot2)
ggplot(Data, aes(x,y)) + geom_point() + geom_smooth()

Możesz wybrać sposób wygładzania danych: zobacz ?stat_smoothszczegóły i przykłady.

Nie wiedząc dokładnie, czego szukasz, korzystając z latticepakietu możesz łatwo dodać krzywą lessa type="smooth"; na przykład,

> library(lattice)
> x <- rnorm(100)
> y <- rnorm(100)
> xyplot(y ~ x, type=c("smooth", "p"))

Zobacz help("panel.loess")argumenty, które można przekazać do procedury dopasowania lessowego, aby na przykład zmienić stopień wielomianu, który ma zostać użyty.

Aktualizacja

Aby zmienić kolor krzywej lessa, możesz napisać małą funkcję i przekazać ją jako panelparametr do xyplot:

x <- rnorm(100)
y <- rnorm(100)

panel_fn <- function(x, y, ...)
{
    panel.xyplot(x, y, ...)
    panel.xyplot(x, y, type="smooth", col="red", ...)
}

xyplot(y ~ x, panel=panel_fn)

Twoje pytanie jest trochę niejasne, więc przyjmuję pewne założenia dotyczące twojego problemu. Bardzo pomogłoby, gdybyś mógł umieścić wykres rozrzutu i trochę opisać dane. Proszę, jeśli przyjmuję złe założenia, zignoruj ​​moją odpowiedź.

Po pierwsze, możliwe jest, że twoje dane opisują proces, który Twoim zdaniem jest nieliniowy. Na przykład, jeśli próbujesz wykonać regresję odległości, aby samochód zatrzymał się z nagłym hamowaniem w stosunku do prędkości samochodu, fizyka mówi nam, że energia pojazdu jest proporcjonalna do kwadratu prędkości - nie prędkości samo. Więc możesz spróbować w tym przypadku regresji wielomianowej i (w R) możesz zrobić coś takiego model <- lm(d ~ poly(v,2),data=dataset). Istnieje wiele dokumentacji na temat tego, jak wprowadzić różne nieliniowości do modelu regresji.

Z drugiej strony, jeśli masz linię, która jest „chwiejna” i nie wiesz, dlaczego jest chwiejna, dobrym punktem początkowym byłaby prawdopodobnie regresja lokalnie ważona, lub loessw R. Wykonuje to regresję liniową na małej region, w przeciwieństwie do całego zestawu danych. Najłatwiej jest wyobrazić sobie wersję „k najbliższego sąsiada”, w której w celu obliczenia wartości krzywej w dowolnym punkcie można znaleźć k punktów najbliższych ciekawemu punktowi i uśrednić je. Loess jest taki, ale używa regresji zamiast prostej średniej. W tym celu użyj model <- loess(y ~ x, data=dataset, span=...), gdy spanzmienna kontroluje stopień wygładzenia.

Z drugiej strony (zabraknie rąk) - mówisz o trendach? Czy to tymczasowy problem? Jeśli tak, zachowaj ostrożność przy interpretacji linii trendu i znaczenia statystycznego. Trendy w szeregach czasowych mogą pojawiać się w procesach „autoregresyjnych”, a dla tych procesów losowość procesu może czasami konstruować trendy z przypadkowego hałasu, a zły test istotności statystycznej może stwierdzić, że jest znaczący, gdy nie jest!

Umieszczanie punktów próbkowania wykresu punktowego i gładkiej krzywej na tym samym wykresie:

  library(graphics)
  ## Create some x,y sample points falling on hyperbola, but with error:
  xSample = seq(0.1, 1.0, 0.1)
  ySample = 1.0 / xSample
  numPts <- length(xSample)
  ySample <- ySample + 0.5 * rnorm(numPts) ## Add some noise

  ## Create x,y points for smooth hyperbola:
  xCurve <- seq(0.1, 1.0, 0.001)
  yCurve <- 1.0 / xCurve

  plot(xSample, ySample, ylim = c(0.0, 12.0))   ## Plot the sample points
  lines(xCurve, yCurve, col = 'green', lty = 1) ## Plot the curve