Montaj logaritmik eğri

Question

ben, noktalar çizmek onlara bir çizgi sığacak şekilde aşağıdakileri yapabilirsiniz doğrusal Ar noktalarının kümesi varsa, o çizgiyi görüntüler: Şimdi

x=c(61,610,1037,2074,3050,4087,5002,6100,7015) 
y=c(0.401244, 0.844381, 1.18922, 1.93864, 2.76673, 3.52449, 4.21855, 5.04368, 5.80071) 

plot(x,y)  
Estimate = lm(y ~ x)  
abline(Estimate) 

, logaritmik eğri uydurma daha uygundur gibi aşağıdaki gibi görünüyor noktaları kümesi varsa:

x=c(61,610,1037,2074,3050,4087,5002,6100,7015)   
y=c(0.974206,1.16716,1.19879,1.28192,1.30739,1.32019,1.35494,1.36941,1.37505) 

Ben şu x değerlerinin log karşı standart regresyon uyum alabilirsiniz biliyorum:

logEstimate = lm(y ~ log(x)) 

Fakat o zaman bu logEstimate'i normal ölçeklemeye nasıl dönüştürebilirim ve eğriyi önceki eğriden benim doğrusal eğrime göre nasıl çizebilirim?

Answer 1

Hmmm, "eğriyi önceki eğrime göre çiz" ile ne demek istediğinizden emin değilim.

(1) predict kullanın: (

coef(logEstimate) 
## (Intercept)  log(x) 
## 0.6183839 0.0856404 
curve(0.61838+0.08564*log(x),add=TRUE,col=2) 

:

plot(x,y) 
xvec <- seq(0,7000,length=101) 
logpred <- predict(logEstimate,newdata=data.frame(x=xvec)) 
lines(xvec,logpred) 

(2) sayısal katsayı değerleri Özü

d <- data.frame(x,y) ## need to use data in a data.frame for predict() 
logEstimate <- lm(y~log(x),data=d) 

İşte öngörülen değerleri elde etmek için üç yol vardır 3) with() sihrini kullanın (parametre tahmini adlarının etrafında geri tırnaklara ihtiyaç duyarsınız b Emin değilim, ancak ben ne demek istediğini tam olarak emin değilim neden ...

Answer 2

ecause onlar ...

with(as.list(coef(logEstimate)), 
     curve(`(Intercept)`+`log(x)`*log(x),add=TRUE,col=4)) 

Belki istediğini

est1 <- predict(lm(y~x,data=d),newdata=data.frame(x=xvec)) 
plot(est1,logpred) 

olan) parantez içeren ya da ... biraz farklı tahmin ettim. Sanırım iki modele bu noktalara, bir lineer ve bir günlüğe sığdırmak istiyorsunuz. Ardından, noktaları ve her iki modelin fonksiyonel formunu çizmek istiyorsunuz. İşte bunun için kod: yorumda, ikinci soruya yanıt olarak

x=c(61,610,1037,2074,3050,4087,5002,6100,7015) 
y=c(0.974206,1.16716,1.19879,1.28192,1.30739,1.32019,1.35494,1.36941,1.37505) 

Estimate = lm(y ~ x) 
logEstimate = lm(y ~ log(x)) 

plot(x,predict(Estimate),type='l',col='blue') 
lines(x,predict(logEstimate),col='red') 
points(x,y) 

---

, lineer regresyon her zaman belirleyicileri doğrusal kombinasyonu çıkmıyor, ama bu mutlaka değil bu düz bir çizgi olduğu anlamına gelir. x artar doğrusal ardından y hangi açıkça, katlanarak değişecek olarak bu demektir ki

exp(y) = x 

uydurma aynı olduğunu, sen uyuyorsanız

y = log(x) 

: En log dönüşüm gerçekten ne anlama geldiğini düşünün 'düz çizgi' değil. Ancak, x eksenini log ölçeğine dönüştürdüyseniz, görüntülenen çizgi düz olur.