bent.cable(SiZer)
bent.cable()所属R语言包：SiZer
Fits a bent-cable model to the given data
适合给定的数据模型弯曲电缆
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Fits a bent-cable model to the given data by exhaustively searching the 2-dimensional parameter space to find the maximum likelihood estimators for α and γ.
适合给定的数据模型弯曲电缆详尽的搜索找到的最大似然估计为α和γ2维参数空间。
用法----------Usage----------
bent.cable(x, y, grid.size=100)
参数----------Arguments----------
参数：x
The independent variable
独立变量
参数：y
The dependent variable
因变量
参数：grid.size
How many α and gamma values to examine. The total number of parameter combinations examined is grid.size squared.
多少α和gamma值进行检查。检查的参数组合的总数是grid.size平方。
Details
详细信息----------Details----------
Fit the model which is essentially a piecewise linear model with a quadratic curve of length 2γ connecting the two linear pieces.
拟合模型，这基本上是一个分段线性模型的二次曲线的长度2γ连接两个线性件。
The reason for searching the space exhaustively is because the bent-cable model often has a likelihood surface with a very flat ridge instead of definite peak. While the exhaustive search is slow, at least it is possible to examine the contour plot of the likelihood surface.
详尽的搜索空间的原因，是因为弯曲的电缆模型往往有一个非常平坦的，而不是明确的峰脊的可能性表面。虽然详尽的搜索速度很慢，至少它是可以研究的可能性表面的等高线图。
值----------Value----------
A list of 7 elements: <table summary="R valueblock"> <tr valign="top"><td>log.likelihood</td> <td> A matrix of log-likelihood values.</td></tr> <tr valign="top"><td>SSE</td> <td> A matrix of sum-of-square-error values.</td></tr> <tr valign="top"><td>alphas</td> <td> A vector of alpha values examined.</td></tr> <tr valign="top"><td>gammas</td> <td> A vector of gamma values examined.</td></tr> <tr valign="top"><td>alpha</td> <td> The MLE estimate of alpha.</td></tr> <tr valign="top"><td>gamma</td> <td> The MLE estimate of gamma.</td></tr> <tr valign="top"><td>model</td> <td> The lm fit after alpha and gamma are known. </td></tr> </table>
7个元素的列表：<table summary="R valueblock"> <tr valign="top"> <TD> log.likelihood</ TD> <td>一个矩阵的对数似然值。</ TD> </ TR> <tr valign="top"> <TD> SSE </ TD> <TD>和方误差值的矩阵。</ TD> </ TR> <TR VALIGN =“”> <TD>alphas </ TD> <td>一个矢量的α值检查。</ TD> </ TR> <tr valign="top"> <TD>gammas </ TD> <TD>研究伽玛值的矢量。</ TD> </ TR> <tr valign="top"> <TD>alpha </ TD> <TD>的最大似然估计的阿尔法。</ TD> </ TR> <tr valign="top"> <TD>gamma </ TD> <TD>的最大似然估计的伽玛</ TD> </ TR> <TR VALIGN =“顶”> <TD>model </ TD> <TD>lm适应后alpha和gamma被称为。 </ TD> </ TR> </ TABLE>
（作者）----------Author(s)----------
Derek Sonderegger
参考文献----------References----------
Chiu, G. S., R. Lockhart, and R. Routledge. 2006. Bent-cable regression theory and applications. Journal of the American Statistical Association 101:542-553.
Toms, J. D., and M. L. Lesperance. 2003. Piecewise regression: a tool for identifying ecological thresholds. Ecology 84:2034-2041.
参见----------See Also----------
piecewise.linear
piecewise.linear
实例----------Examples----------
data(Arkansas)
x <- Arkansas$year
y <- Arkansas$sqrt.mayflies
# For a more accurate estimate, increase grid.size[为了更准确地估计，增加grid.size]
model <- bent.cable(x,y, grid.size=20)
plot(x,y)
x.grid <- seq(min(x), max(x), length=200)
lines(x.grid, predict(model, x.grid), col='red')
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-30 09:48:17
