Olá, escrevi o seguinte script:
A<-read.table("A.txt", header=TRUE) A Dias Massa 1 38 370 2 121 4200 3 208 13200 4 291 17100 5 381 18000 plot(A$Dias,A$Massa,xlab="Dias",ylab="Massa", col="blue") modelo<-glm(Massa~Dias, data=A, family=binomial) Mensagens de aviso perdidas: In eval(expr, envir, enclos) : #sucessos não-inteiro em um glm binomial! summary(modelo)
Call: glm(formula = Massa ~ Dias, family = binomial, data = A) Deviance Residuals: 1 2 3 4 5 -0.19282 -0.03793 0.15578 0.09105 -0.11083 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -3.737847 4.166859 -0.897 0.37 Dias 0.006566 0.014028 0.468 0.64 (Dispersion parameter for binomial family taken to be 1) Null deviance: 0.339765 on 4 degrees of freedom Residual deviance: 0.083459 on 3 degrees of freedom AIC: 5.1496 Number of Fisher Scoring iterations: 6 E obtive o gráfico em anexo. Minha intenção era fazer uma regressão logística com os valores da Tabela "A", no entanto a curva não parece muito ajustada aos parâmetros. O que pode estar errado ? -- *Luís Fernando Pirondi Junior*
Talvez o que vc queira fazer e o modelo logistico para descrever o crescimento de alguma coisa. E nao uma regressao logistica que seria adequado para dados do tipo (0 ou 1) um numero de sucessos em n ensaios. Que nao parece ser o seu caso. Tente isso dias <- c(38,121,208,291,381) Massa <- c(370,4200,13200,17100,18000) mod1 = nls(Massa ~ a1/(1+exp((a2-dias)/a3)), start = list(a1 = 16000, a2 = 200, a3 = 100)) summary(mod1) plot(Massa ~ dias) lines(dias, predict(mod1)) 2014-03-21 17:46 GMT+01:00 Luís Fernando Pirondi Junior < lufepirondi@gmail.com>:
Olá,
escrevi o seguinte script:
A<-read.table("A.txt", header=TRUE) A Dias Massa 1 38 370 2 121 4200 3 208 13200 4 291 17100 5 381 18000 plot(A$Dias,A$Massa,xlab="Dias",ylab="Massa", col="blue") modelo<-glm(Massa~Dias, data=A, family=binomial) Mensagens de aviso perdidas: In eval(expr, envir, enclos) : #sucessos não-inteiro em um glm binomial! summary(modelo)
Call: glm(formula = Massa ~ Dias, family = binomial, data = A)
Deviance Residuals: 1 2 3 4 5 -0.19282 -0.03793 0.15578 0.09105 -0.11083
Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -3.737847 4.166859 -0.897 0.37 Dias 0.006566 0.014028 0.468 0.64
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 0.339765 on 4 degrees of freedom Residual deviance: 0.083459 on 3 degrees of freedom AIC: 5.1496
Number of Fisher Scoring iterations: 6
E obtive o gráfico em anexo.
Minha intenção era fazer uma regressão logística com os valores da Tabela "A", no entanto a curva não parece muito ajustada aos parâmetros. O que pode estar errado ?
-- *Luís Fernando Pirondi Junior*
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
-- Wagner Hugo Bonat LEG - Laboratório de Estatística e Geoinformação UFPR - Universidade Federal do Paraná
participantes (2)
-
Luís Fernando Pirondi Junior -
Wagner Bonat