Falsche Anpassung mit der Funktion nls

Question

Wenn ich versuche, einen exponentiellen Abfall anzupassen und meine X-Achse eine Dezimalzahl hat, ist die Anpassung niemals korrekt. Hier sind meine Daten unten:

exp.decay = data.frame(time,counts) 
    time counts 
1 0.4 4458 
2 0.6 2446 
3 0.8 1327 
4 1.0 814 
5 1.2 549 
6 1.4 401 
7 1.6 266 
8 1.8 182 
9 2.0 140 
10 2.2 109 
11 2.4  83 
12 2.6  78 
13 2.8  57 
14 3.0  50 
15 3.2  31 
16 3.4  22 
17 3.6  23 
18 3.8  20 
19 4.0  19 
20 4.2  9 
21 4.4  7 
22 4.6  4 
23 4.8  6 
24 5.0  4 
25 5.2  6 
26 5.4  2 
27 5.6  7 
28 5.8  2 
29 6.0  0 
30 6.2  3 
31 6.4  1 
32 6.6  1 
33 6.8  2 
34 7.0  1 
35 7.2  2 
36 7.4  1 
37 7.6  1 
38 7.8  0 
39 8.0  0 
40 8.2  0 
41 8.4  0 
42 8.6  1 
43 8.8  0 
44 9.0  0 
45 9.2  0 
46 9.4  1 
47 9.6  0 
48 9.8  0 
49 10.0  1 

fit.one.exp <- nls(counts ~ A*exp(-k*time),data=exp.decay, start=c(A=max(counts),k=0.1)) 
plot(exp.decay, col='darkblue',xlab = 'Track Duration (seconds)',ylab = 'Number of Particles', main = 'Exponential Fit') 
lines(predict(fit.one.exp), col = 'red', lty=2, lwd=2) 

Ich bekomme immer diese seltsame Passform. Scheint mir, dass die Anpassung nicht die richtige x-Achse erkennt, denn wenn ich einen anderen Datensatz verwende, mit nur ganzen Zahlen in der x-Achse (Zeit), funktioniert die Anpassung! Ich verstehe nicht, warum es bei verschiedenen Einheiten anders ist.

Answer 1

Sie benötigen eine kleine Änderung:

lines(predict(fit.one.exp), col = 'red', lty=2, lwd=2) 

lines(exp.decay$time, predict(fit.one.exp), col = 'red', lty=2, lwd=2) 

gegen die gewünschten Werte plotten auf Ihrem Abszisse So können Sie sicher machen sollte.

ich es wie folgt getestet:

data = read.csv('exp_fit_r.csv') 

A0 <- max(data$count) 
k0 <- 0.1 

fit <- nls(data$count ~ A*exp(-k*data$time), start=list(A=A0, k=k0), data=data) 

plot(data) 
lines(data$time, predict(fit), col='red') 

, die mir die folgende Ausgabe gibt:

Wie Sie sehen können, die passen die aktuellen Daten beschreibt sehr gut, es war einfach eine Frage des Auftragens gegen die korrekten Abszissenwerte.