Фитинги и погрешности с гауссовым фитингом R

Question

Я пытаюсь вписать некоторые данные в R, и до сих пор я думаю, что делаю хорошо. Мой набор данных выглядит следующим образом (источник:

x<-c(1:35)
y<-c(221,88,76,203,233,228,288,498,428,443,570,640,1145,1326,1598,
529,2076,2249,2116,2795,2853,2470,2989,2648,4480,4670,4821,
3957,3780,3612,3491,4492,4401,3651,3815)

data<-data.frame(x,y)
fitG =
   function(x,y,mu,sig,scale){
                f = function(p){
                  d = p[3]*dnorm(x,mean=p[1],sd=p[2])
                  sum((d-y)^2)
                  }
                 optim(c(mu,sig,scale),f)
   }

fitP=fitG(data$x, data$y, 35, 1, 6000)

plot(data$x, data$y)
p =fitP$par
lines(data$x, p[3]*dnorm(data$x, p[1], p[2]))

(источник, http://www.protezionecivile.gov.it, я использую данные в качестве примера)

, которые соответствуют данные довольно хорошо ... но есть ли способ

а) вместо использования функции plot с использованием пакета ggplot2, который позволяет более настраивать график и б) я хочу сделать примерку для данных здесь не показано (т. е. расширить гауссову кривую за 35-й день), возможно, добавив панель ошибок, которая показывает неопределенность в зависимости от времени ... Я пытался найти в Интернете, но все статьи, которые я нашел, предполагают, что читатель имеет сильный статистический опыт ... чего я не имею.

Answer 1

Вы можете добавить подгонку на data.frame и график:

library(ggplot2)
data$fitted = p[3]*dnorm(data$x, p[1], p[2])
ggplot(data,aes(x=x,y=y)) + 
geom_point() + 
geom_line(aes(y=fitted),col="blue")

Теперь что касается неопределенности, то, что вы подходите не является обычным распределением (потому что у вас есть третья шкала параметров), и я не понимаю, как нормальное распределение может помочь вам делать прогнозы здесь.

Что именно вы подразумеваете под «возможно добавлением панели ошибок, которая показывает неопределенность по времени подгонки»? Хотя это много статистики, ее можно упростить до этой, какую ошибку вы хотите показать?

Вы можете использовать решение, показанное @johnjohn, просто имейте в виду, что это gam , который подгоняет сплайн, и его ошибки оцениваются по ошибкам подгонки, вы можете видеть больше об этом возможно в этом блоге .

Answer 2

Чтобы использовать ggplot, вы можете сделать:

  data %>% 
  ggplot(aes(x=x, y=y))+
  geom_point()+
  geom_smooth()

, а затем настроить, как вы будете sh.