Fitting-Funktion (mit Schätzung von drei Parametern)

Question

I-Daten haben und ich versuche, eine bestimmte Funktion, um die Daten zu passen wie folgt:

Mbin<-c(-26.74152,-26.32586,-26.16902,-26.03708,-25.86221,-25.70214,-25.55519,-25.39293,-25.23132,-25.07325,-24.92238,-24.76552,-24.60866,-24.44969,-24.29362,-24.13320,-23.97395,-23.81532,-23.66030,-23.49829,-23.34880,-23.17942,-23.02612,-22.86098,-22.71102,-22.54037,-22.38711,-22.22724,-22.07680,-21.90209,-21.77597,-21.63501,-21.44869,-21.28609,-21.12089,-20.95608,-20.79449,-20.66514,-20.44232,-20.08840,-19.79133,-19.73530,-19.41894,-18.82138) 

Vmax<-c(6.367897e-08,8.167712e-07,2.659499e-06,9.590067e-06,2.360869e-05,5.405628e-05,1.156365e-04,2.285497e-04,4.290705e-04,7.599138e-04,1.142753e-03,1.693436e-03,2.085106e-03,2.539773e-03,2.790580e-03,3.174293e-03,3.199006e-03,3.094647e-03,3.139568e-03,2.997987e-03,2.890851e-03,2.543796e-03,2.622967e-03,2.455943e-03,2.023993e-03,1.787655e-03,2.041746e-03,2.600956e-03,2.315969e-03,1.599389e-03,1.029206e-03,6.840921e-04,7.460773e-04,3.788563e-04,1.887016e-03,1.778704e-03,7.452147e-04,1.292149e-03,2.377452e-03,2.812648e-03,2.972892e-03,1.640195e-03,2.534066e-03,5.970733e-03) 

std<-c(4.061177e-07,4.254955e-06,9.480800e-06,1.872364e-05,3.938523e-05,6.586197e-05,1.172671e-04,1.983853e-04,2.943069e-04,3.844010e-04,4.348691e-04,4.405992e-04,4.003554e-04,3.516165e-04,2.723345e-04,2.188924e-04,1.654583e-04,1.253636e-04,1.561276e-04,2.493767e-04,2.485612e-04,3.070280e-04,2.915719e-04,3.183501e-04,3.554390e-04,3.884025e-04,3.664473e-04,3.959189e-04,3.779365e-04,5.254186e-04,6.164908e-04,6.461158e-04,5.528595e-04,5.441972e-04,6.005795e-04,5.316142e-04,6.339150e-04,6.033203e-04,8.283205e-04,1.014114e-03,1.485986e-03,1.005192e-03,1.732050e-03,3.132553e-03) 

schechter<-function(phi,alpha,Mstar) { 0.4*(log(10))*phi*(10^(0.4*(Mstar-Mbin)*(alpha+1)))*exp(-10^(0.4*(Mstar-Mbin))) } 

f = fitModel(Vmax~0.4*(log(10))*phi*(10^(0.4*(Mstar-Mbin)*(alpha+1)))*exp(-10^(0.4*(Mstar-Mbin))), data=data_to_fit, start=list(phi=0.024, alpha=-0.67,Mstar=-24.5), control=nls.control(200), trace=TRUE, weights=std) 
plotPoints(log10(Vmax)~Mbin) 
plotFun(log10(f(Mbin))~Mbin,add=TRUE) 

Es funktioniert, wenn ich Gewichte von der Code-Zeile löschen. Aber dann ist die Passform nicht gut. Hier ist mein Sitz, ohne Gewichte:

Ich habe die Gewichte zu verwenden, um eine bessere Passform zu erhalten, aber ich habe einen Fehler:

Error in eval(expr, envir, enclos) : ..3 used in an incorrect context, no ... to look in

Ich habe auch versucht meine Funktion mit nls() Montage und nlsLM(), aber ich habe es nicht geschafft, meine Funktion zu erfüllen. Gibt es eine Lösung für dieses Problem?

Answer 1

Ich nehme an, std sind Standardabweichungen. Das bedeutet wahrscheinlich, dass Sie von 1/std gewichten wollen oder sogar 1/std^2:

data_to_fit <- data.frame(Mbin, Vmax, std) 

f = nls(Vmax~0.4*(log(10))*phi*(10^(0.4*(Mstar-Mbin)*(alpha+1)))*exp(-10^(0.4*(Mstar-Mbin))), 
     data=data_to_fit, start=list(phi=0.024, alpha=-0.67,Mstar=-24.5), 
     control=nls.control(200), trace=TRUE) 

f_weighted = nls(Vmax~0.4*(log(10))*phi*(10^(0.4*(Mstar-Mbin)*(alpha+1)))*exp(-10^(0.4*(Mstar-Mbin))), 
     data=data_to_fit, start=as.list(coef(f)), 
     control=nls.control(2000, minFactor = 1e-10), trace=TRUE, 
     weights = 1/std) 

f_weighted_sq = nls(Vmax~0.4*(log(10))*phi*(10^(0.4*(Mstar-Mbin)*(alpha+1)))*exp(-10^(0.4*(Mstar-Mbin))), 
       data=data_to_fit, start=as.list(coef(f)), 
       control=nls.control(2000, minFactor = 1e-10), trace=TRUE, 
       weights = 1/std^2) 

plot(log10(Vmax)~Mbin) 
curve(log10(predict(f, newdata = data.frame(Mbin = x))), from = -28, to = 22, 
     add = TRUE) 
curve(log10(predict(f_weighted, newdata = data.frame(Mbin = x))), from = -28, to = 22, 
     add = TRUE, col = "dark green") 
curve(log10(predict(f_weighted_sq, newdata = data.frame(Mbin = x))), from = -28, to = 22, 
     add = TRUE, col = "dark blue")