У меня есть набор пар значений (x, y). Я хочу поместить их в следующую модель, чтобы минимизировать квадратичную ошибку. Каков самый простой способ сделать это в R:Оценка параметров модели в R
Y = (A * (N + 1-X)^b)/X^a, где N max (y), A, a, b различны параметры
выше одно место распределение заказов (см http://www.plosone.org/article/fetchObject.action?uri=info:doi/10.1371/journal.pone.0004791&representation=PDF)
Любая помощь будет оценена.
Мне кажется, что вы готовы сделать линейной регрессии: log Y = b log A + b log (N+1-X) - a log X
В этом контексте я хотел бы создать сказать YY = log Y, X1 = log(N+1-X) и X2 = log X и идти с lm(YY ~ X1 + X2)
Это не сводит к минимуму квадрат ошибки в исходном масштабе. Вы, похоже, сбросили термин 'b log A' из своей модели, но я думаю, что это должен был быть только log (A) в первую очередь ... – Dason
Я предполагаю, что в первом приближении одно и то же: Y = Ym + e; то log (Y) - log (Ym) = e/Ym + o (e/Ym). В отношении постоянного члена он автоматически включается в lm, в противном случае это lm (YY ~ I (-1) + X1 + X2) – clemlaflemme
Благодаря @clemlaflemme выглядит как жизнеспособное решение. Выгрузите код, когда я напишу на моей стороне. – user138617
Предложен подход показан на HTTP://www.r-bloggers.com/learning-r-parameter-fitting-for-models-involving-differential-equations/ – user138617
Пожалуйста, включите воспроизводимый пример и код, который дает вам проблемы. –