Yani en aza indirmek istiyorum r

Question

bir fonksiyon bir fonksiyonu optimize model ve gözlenen yayılır arasındaki hatayı (kullanılabilecek hydroGOF Paket mse() kare).

KV_CDS <- function(Lambda, s, sigma_S){ 
    KV_CDS = (Lambda * (1 + s))/exp(-s * sigma_S) - Lambda^2) 
} 

hedef KV_CDS işlevinde lambda serbest bırakarak parametresi ile KV_CDS ve C arasında mse en aza indirmek için: işlev olarak tanımlanır.

df <- data.frame(C=c(1,1,1,2,2,3,4), 
       Lambda=c(0.5),s=c(1:7), 
       sigma_S=c(0.5,0.4,0.3,0.7,0.4,0.5,0.8), 
       d=c(20,30,40,50,60,70,80), 
       sigma_B=0.3, t=5, Rec=0.5, r=0.05) 

Answer 1

Sayenizde Simon, sana bir çözüm geldi:

d <- df 

    TestMSE <- function(LR) 
    { 

    D <- KV_CDS(LR, d$s, d$sigma_s, d$D, d$sigma_B, d$t, d$Rec, d$r) 
     mse(d$C, D) 
    } 

    optimize(TestMSE,lower = 0.1, upper =1.5) 

ya:

TestMSE2 <- function(LR) 
    { 
D <- KV_CDS(LR, d$s, d$sigma_s, d$D, d$sigma_B, d$t, d$Rec, d$r) 
     mean((d$C- D)^2) 
    } 

    optimize(TestMSE2,lower = 0.1, upper =1.5) 

teşekkürler yardım çocuklar için!

Answer 2

Bunu ortalama Bu özel durumla hatayı karesi hesaplar aza indirmek için bir işlev yazmak gerekir, örneğin:

calcMSE <- function (Lambda) 
{ 
     d <- df # best not to use -df- as a variable because of confusion with 
       # degrees of freedom 
     err <- d$C - KV_CDS(Lambda, d$s, d$sigma_S, d$d, d$sigma_B, d$t, d$Rec, d$r) 
     sum(err^2)/length(err) 
} 

... sonra bunun gibi, optimize() kullanabilirsiniz

optimize(calcMSE,c(0,1)) 

: - örneği (o ima çünkü aslında sadece bir değişken olduğunda bir işlev olabileceğini tesadüfen değil ideal isim size Lambda için olası değerler aralığı belirtmek gerekir) Ben yüklü pbivnorm yoktu çünkü

ben tam testini yapamadı ama bu sizin için bunu yapmak gerektiğini.