Hill-Gleichung Kurvenanpassung NLS

Ich versuche, Rate für die folgenden Daten zu berechnen. Ich versuchte Michaelis menten Gleichung, aber Km wurde negativ. Ich versuche jetzt, Hill-Gleichung zu passen, aber ich bekomme Fehlermeldung. Ich denke, meine Startwerte sind nicht so gut. Jede Hilfe wird sehr geschätzt.Hill-Gleichung Kurvenanpassung NLS

Danke, Krina

x<- c(0.0, 2.5, 5.0, 10.0, 25.0) 
y <- c(4.91, 1.32, 1.18, 1.12, 1.09) 

fo <- y~(Emax*(x^hill)/((EC50^hill)+(x^hill))) 
st <- c(Emax=1.06, EC50=0.5, hill=1) 

fit <- nls(fo, data = data.frame(x, y), start = st, trace = T) 

Error in numericDeriv(form[[3L]], names(ind), env) : 
    Missing value or an infinity produced when evaluating the model

Quelle

2017-03-13 Krina M

sollten Sie einen Blick auf Ihre Daten haben, indem sie Plotten. Die Art und Weise, wie x und y definiert sind, gibt es keine Möglichkeit, MM zu passen, mit oder ohne Hill-Koeffizienten> 1. –

Da Sie für eine Vielzahl von Gleichungen offen zu sein scheinen, versuchen Sie die verschiedenen im drc-Paket mit der 'drm'-Funktion. –

ich passe die Daten, die Sie ein paar hundert geschrieben bekannt, mit dem Namen Gleichungen für die anfängliche Parameterschätzung einen genetischen Algorithmus und eine hervorragende Passform zu einer einfachen Potenzgesetz Gleichung wie folgt (siehe auch angebracht Grafik):

y = (a + x)b + Offset 

a = 3.6792869983309306E-01 
b = -1.3439157691306818E+00 
Offset = 1.0766655470363218E+00 

Degrees of freedom (error): 2 
Degrees of freedom (regression): 2 
Chi-squared: 1.98157151386e-06 
R-squared: 0.999999822702 
R-squared adjusted: 0.999999645405 
Model F-statistic: 5640229.45337 
Model F-statistic p-value: 1.77297720061e-07 
Model log-likelihood: 29.7579529506 
AIC: -10.7031811802 
BIC: -10.9375184328 
Root Mean Squared Error (RMSE): 0.000629534989315 

a = 3.6792869983309306E-01 
    std err: 2.36769E-06 
    t-stat: 2.39112E+02 
    p-stat: 1.74898E-05 
    95% confidence intervals: [3.61308E-01, 3.74549E-01] 

b = -1.3439157691306818E+00 
    std err: 2.91468E-05 
    t-stat: -2.48929E+02 
    p-stat: 1.61375E-05 
    95% confidence intervals: [-1.36714E+00, -1.32069E+00] 

Offset = 1.0766655470363218E+00 
    std err: 9.37265E-07 
    t-stat: 1.11211E+03 
    p-stat: 8.08538E-07 
    95% confidence intervals: [1.07250E+00, 1.08083E+00] 

Coefficient Covariance Matrix 
    [ 2.38970842 -8.3732707 1.30483649] 
    [ -8.3732707 29.41789844 -4.52058247] 
    [ 1.30483649 -4.52058247 0.94598199]

Quelle

2017-03-14 18:40:11

Ich konnte eine gute Passform mit log-logistischen Modell in der Demokratischen Republik Kongo Bibliothek erhalten. Ich kann jedoch keine Parameterdefinition für dieses Modell finden. Ähnelt es dem Hill-Modell mit Log-Transformation?

library(drc) 
fit.ll <- drm(y~x, data=data.frame(x,y), fct=LL.5(), type="continuous") 
print(summary(fit.ll)) 
plot(fit.ll)

Quelle

2017-03-14 03:23:29

Versuchen Sie '? LL.5' um Hilfe zu bekommen. Beachten Sie auch, dass Sie 5 Punkte mit einem Modell mit 5 Parametern versehen, so dass Sie überanpassen werden. Vielleicht möchten Sie ein Modell mit weniger Parametern wie AR.3 ausprobieren. –

Hill-Gleichung Kurvenanpassung NLS

Antwort

Verwandte Themen