Entendi, mas concordo com o Fernando, o ajuste parece ser este mesmo. Alguma chance de o modelo que o matlab ajusta não ser o mesmo, ou aplicar alguma restrição nas estimativas?
*Paulo Dick* Estatístico Mestre em Epidemiologia em Saúde Pública Tel.: (55 21) 99591-2716 Em 11 de fevereiro de 2016 15:43, Michelle Bau Graczyk <[email protected]> escreveu: > Muito obrigada Fernando por tentar me ajudar! > > Em 11 de fevereiro de 2016 15:11, Fernando Antonio de souza < > [email protected]> escreveu: > >> Não sei muito como lhe ajudar neste caso, talvez alguém na comunidade >> mais esclarecido possa lhe ajudar melhor. Matlab ou R devem apresentar o >> mesmo resultado, se a mesma metodologia foi utilizada. Veja o manual da >> função do Matlab para ver como ela funciona, que metodologia usa e compare >> com a utilizada pelo R. No geral se você está utilizando o mesmo modelo em >> ambos os softwares e utilizando os mesmos dados, não há como o ajuste ser >> tão diferente assim. Há meu ver não há este valor de máximo em seus dados. >> >> abcs >> >> Em 10 de fevereiro de 2016 23:56, <[email protected]> escreveu: >> >>> >>> Não seria bem uma concavidade para baixo e sim um decaimento. Eu preciso >>> ajustar um decaimento a partir do valor máximo que é 9,54 em y e 268 em x. >>> Eu sei que é meio " forçar um ajuste" mas quando voce usa esse mesma função >>> de ajuste no matlab da certo, sabe? O problema que eu tenho que reproduzir >>> isso no R. A única opção que eu consegui e mudar o logaritmo do nls mas dai >>> o resultado é bem "forçado". >>> >>> >>> Em 10 de fev de 2016, às 22:02, Fernando Antonio de souza < >>> [email protected]> escreveu: >>> >>> Michelle, Seus dados não apontam para um concavidade para baixo não >>> (pelo menos não no limite avaliado). Veja o gráfico em anexo feito usando a >>> função loess. Como você chegou a conclusão que a concavidade do gráfico é >>> para baixo >>> plot(xx2,yy2) >>> lines(lowess(xx2,yy2)) >>> >>> Você deve avaliar bem o modelo que escolheu, talvez a abordagem não >>> linear não seja a mais indicada. Pense nos seus objetivos, pois modelos não >>> lineares são menos flexiveis e talvez você tenha de encontrar um outro >>> modelo. Veja uma regressão polinomial (grafico em anexo (vermelho), o >>> ajuste parece melhor ( tem de olhar se os parâmetros lhe fornece a >>> explicação desejada). A minha opinião é que o modelo que você está >>> utilizando não explica muito bem os dados nos extremos dos valores. >>> >>> modelo<-lm(yy2~poly(xx2,degree=3)) >>> summary(modelo) >>> plot(xx2,yy2) >>> lines(xx2,predict(modelo),col="red",lwd=3) >>> >>> Em 10 de fevereiro de 2016 20:59, Michelle Bau Graczyk < >>> [email protected]> escreveu: >>> >>>> Oi Fernando, não é isso não, eu já tinha feito esta mudança. Pode ver >>>> pelo seu gráfico que a concavidade do ajuste continua para cima quando os >>>> dados tem concavidade para baixo. >>>> >>>> Em 10 de fevereiro de 2016 20:38, Fernando Antonio de souza < >>>> [email protected]> escreveu: >>>> >>>>> sua solução é esta. Acho que você estava errando no momento de colocar >>>>> os vetores na função plot e lines. Os vetores que vc utilizou foi yy2 e >>>>> xx2 para ajustar o modelo e são estes vetores que devem ser utilizados em >>>>> plot e lines. veja o gráfico em anexo >>>>> >>>>> x<-c(1:391) >>>>> xx2<-c(269:380) >>>>> yy2<-meanCurtose[269:380] >>>>> ajuste1<-nls(yy2~9.548-b*(xx2-268)^c,start=list(b=1,c=1)) >>>>> summary(ajuste1) >>>>> plot(xx2,yy2) >>>>> lines(xx2,((predict(ajuste1))),col="blue",lwd=5) >>>>> >>>>> >>>>> >>>>> >>>>> Em 10 de fevereiro de 2016 18:14, Michelle Bau Graczyk < >>>>> [email protected]> escreveu: >>>>> >>>>>> Caros, boa tarde, >>>>>> >>>>>> Eu estou fazendo um ajuste não linear usando nls mas o resultado que >>>>>> ele dá é uma curva de ajuste com concavidade invertida da que eu preciso. >>>>>> Já tentei usar o gnm() mas não consegui, fiquei confusa. >>>>>> Alguém poderia me dar uma dica? >>>>>> >>>>>> Muito obrigada, >>>>>> >>>>>> Michelle >>>>>> >>>>>> > dput(meanCurtose) >>>>>> c(12.6411612236072, 12.4796294865894, 11.7837399107729, >>>>>> 9.3366244767958, >>>>>> 8.78234352198318, 8.80804015042667, 7.95307495971197, >>>>>> 7.32343842457161, >>>>>> 8.14299654574164, 7.70975671017602, 8.18694316251001, >>>>>> 7.80329447515565, >>>>>> 7.34631424875244, 7.36272816078658, 7.51141407180884, >>>>>> 7.2984543038216, >>>>>> 7.18798034231446, 7.39050028173958, 7.38081189490019, >>>>>> 6.95713316227877, >>>>>> 7.63791968455754, 7.87986509970493, 7.73055700377501, >>>>>> 7.70222565081336, >>>>>> 7.30022411141346, 7.4083910760296, 8.00578570236547, >>>>>> 7.93193221955052, >>>>>> 6.64327337064239, 6.68647106547987, 6.3000528994051, >>>>>> 6.54137808760309, >>>>>> 7.48995510261887, 6.54309655530203, 7.52087344933623, >>>>>> 7.42164647655176, >>>>>> 6.92162268458166, 7.77143984793159, 7.20394459256519, >>>>>> 7.83235593399696, >>>>>> 6.83302649488445, 7.62258779095348, 6.38055427433855, >>>>>> 8.05998045599357, >>>>>> 7.46958190677157, 7.60765302681021, 8.80234303007986, >>>>>> 6.68187705863027, >>>>>> 8.21926338640429, 7.08617024720737, 7.08317235004987, >>>>>> 7.41892957604937, >>>>>> 7.16982143599, 8.15539571232209, 7.28334499900169, 6.58120042409299, >>>>>> 7.81224922275858, 7.38171333668406, 8.00614692588858, >>>>>> 6.84451553168819, >>>>>> 6.74857828793314, 6.67461633312983, 7.16362668836922, >>>>>> 8.00479494155055, >>>>>> 7.70268389750672, 7.14336039340061, 6.97576022415651, >>>>>> 7.80929673006598, >>>>>> 6.45416855124862, 6.78896259995105, 7.7614373562682, >>>>>> 7.34338936769521, >>>>>> 8.66360167525496, 7.56010811040502, 7.22027035686588, >>>>>> 7.1154305341104, >>>>>> 8.04483181906421, 7.26686896074475, 7.2819554225349, 7.1660546357157, >>>>>> 6.59147414023302, 7.75283390623264, 7.15010401592893, >>>>>> 8.13303971786744, >>>>>> 7.32855414357015, 7.52914612700985, 7.48539350747664, >>>>>> 7.3116359925766, >>>>>> 7.66883205205566, 7.54386649172369, 7.45086562401987, >>>>>> 7.5330535884964, >>>>>> 7.78202225997345, 7.76056734608042, 7.59433966583985, >>>>>> 8.11435339265086, >>>>>> 7.70162351095566, 8.37601740131695, 8.25165697702199, >>>>>> 7.24643615541509, >>>>>> 8.54880044435138, 8.0340772543879, 7.60142401295378, >>>>>> 8.15271059000679, >>>>>> 7.60593160597471, 7.72593944394177, 8.41079717372872, >>>>>> 7.11927697642025, >>>>>> 7.88710645083062, 7.71902768095523, 8.26215306007541, >>>>>> 7.86133931721877, >>>>>> 8.37393605745582, 8.19932022059118, 8.18707328398938, >>>>>> 7.94521059286453, >>>>>> 7.53190992758944, 9.09382323175141, 7.61894746233992, >>>>>> 7.10017784239385, >>>>>> 7.57104786675778, 8.01430433052944, 7.7371487858432, >>>>>> 7.60325496858967, >>>>>> 8.52249282126512, 7.74248433340973, 8.79986883820701, >>>>>> 9.46167401431283, >>>>>> 8.41320689887244, 8.12675091813675, 8.19305074669362, >>>>>> 8.26033026649083, >>>>>> 8.98967698600776, 8.34788307021593, 7.98891745840651, >>>>>> 8.02766826748111, >>>>>> 7.94540270707373, 7.91235184351595, 8.18550024134088, >>>>>> 7.6791216969593, >>>>>> 7.79872542391477, 7.74940943117668, 8.96965964554471, >>>>>> 8.5629016313986, >>>>>> 8.22026114318125, 8.09935379363855, 8.51695691589121, >>>>>> 8.38650625250542, >>>>>> 8.34913902264381, 8.16013457394217, 8.50829038864903, >>>>>> 8.44833145927061, >>>>>> 7.66193460778894, 8.38570214117961, 7.95599813376551, >>>>>> 8.87323589444497, >>>>>> 8.7542820309813, 8.86246741162272, 8.02505832824182, 8.3294679557415, >>>>>> 8.62676738321297, 8.82047798447757, 8.57418113309101, >>>>>> 8.58699004470501, >>>>>> 7.91426791727072, 8.97177329700974, 9.21737012827076, >>>>>> 8.93131253848201, >>>>>> 9.05373040821843, 8.8060047926233, 8.63579398153133, >>>>>> 8.86336549714936, >>>>>> 8.527665790551, 9.09306532526363, 8.28087778847272, 8.60347913720265, >>>>>> 8.86989145702297, 9.0949684712681, 8.9078756146992, 8.46550552582034, >>>>>> 8.67664030286659, 8.20430660038124, 8.81351904607292, >>>>>> 8.37902232147903, >>>>>> 8.14550617357246, 8.87063158098105, 8.97666317275847, >>>>>> 9.27478818986505, >>>>>> 8.1547402409359, 9.47636797667675, 8.7719585836935, 9.10650559618523, >>>>>> 8.74628232738224, 8.66484384581281, 8.89461512012232, >>>>>> 8.94112698262295, >>>>>> 8.88625194909964, 9.16563208180781, 8.95119538370992, >>>>>> 8.18141433709592, >>>>>> 8.76643815564861, 8.11691951072044, 8.59918991951036, >>>>>> 8.49949758795904, >>>>>> 9.03815995715459, 8.96746895317108, 8.25155230561287, >>>>>> 8.99757528829419, >>>>>> 8.38019837587032, 7.89015644871282, 8.40680211022081, >>>>>> 8.18371594452072, >>>>>> 8.30410415342907, 9.20936736591405, 7.65703515300426, >>>>>> 8.51162764995946, >>>>>> 8.6646690100554, 8.73118454744911, 8.14430230247998, >>>>>> 9.35891665431139, >>>>>> 9.06160792496678, 8.44947473873207, 8.71740324034868, >>>>>> 8.84001466116642, >>>>>> 9.00589707824947, 8.43952480018863, 8.66283352173145, >>>>>> 8.1727011762143, >>>>>> 8.57579566514626, 8.93818965665359, 8.15206368488664, >>>>>> 8.33232107289189, >>>>>> 8.341762471693, 9.06623499334649, 9.26537578767064, 7.81307094388884, >>>>>> 8.24572869326094, 8.59586522687647, 9.25576297899288, >>>>>> 8.58797131328683, >>>>>> 8.32067682057009, 8.91930638689767, 8.52526396708155, >>>>>> 8.66723332530741, >>>>>> 8.40559307237315, 8.17799487428929, 8.82784323424394, >>>>>> 9.18465209204581, >>>>>> 9.3587241829983, 8.50637042594598, 8.01927234485536, >>>>>> 9.29896008716075, >>>>>> 8.34070882949313, 8.77293341674818, 8.18474544087248, >>>>>> 8.91510004993898, >>>>>> 8.5566201885022, 8.39486013632365, 7.9046867529931, 7.92430863681382, >>>>>> 8.36021307048988, 7.8417605494278, 8.11914705328606, >>>>>> 9.10171237192372, >>>>>> 8.17450387129867, 8.53448727634444, 8.28989881325439, >>>>>> 9.54818539345608, >>>>>> 8.28338368115583, 7.79002534544918, 7.3242854513379, >>>>>> 7.84079127816179, >>>>>> 6.9410953499969, 8.07876380902682, 7.58591611244066, >>>>>> 8.50453944587674, >>>>>> 7.73770574293502, 7.62996698908472, 7.45841033089338, >>>>>> 8.32542977978427, >>>>>> 8.42312792960234, 9.21829530875374, 8.42984858400488, >>>>>> 8.16205343552221, >>>>>> 7.75295741897613, 8.52015614478337, 7.53969212359461, >>>>>> 8.44365531449399, >>>>>> 8.52590287623014, 8.51149053329986, 8.69193569875344, >>>>>> 7.87514214098904, >>>>>> 8.72564455261839, 8.41118186910311, 8.43201983191773, >>>>>> 8.04652209962358, >>>>>> 8.07673862977229, 7.66548826291252, 6.80349186801062, >>>>>> 7.01637383923338, >>>>>> 8.70616450025012, 7.72444099740669, 6.80701060733422, >>>>>> 6.99815237424822, >>>>>> 7.36641433774333, 7.27795135228736, 7.92905477052055, >>>>>> 7.88735066444516, >>>>>> 7.5016857370229, 6.78728786146448, 7.0532105574119, 7.36774907460969, >>>>>> 7.21358655480566, 7.2330664851842, 6.55433878970998, >>>>>> 7.73491483882012, >>>>>> 7.48043763676256, 7.80308727452244, 8.56098368763194, >>>>>> 7.70955796849379, >>>>>> 7.29653875674424, 7.42506463782188, 7.55914784837445, >>>>>> 7.42273393281136, >>>>>> 7.73515546731259, 7.48590913285387, 7.52434898743792, >>>>>> 7.44438234261102, >>>>>> 6.51597932800007, 6.28377247781507, 7.30133580341582, >>>>>> 6.73090842393085, >>>>>> 7.1361818350794, 6.78857257971843, 7.47023659527815, >>>>>> 7.37037478855289, >>>>>> 7.11798413310505, 7.16775471917832, 7.57517612767556, >>>>>> 7.10452737365334, >>>>>> 7.39660110571226, 7.17465591962981, 7.21164585791059, >>>>>> 7.40357201965638, >>>>>> 6.9947991909269, 7.14911017223732, 7.62484959829372, >>>>>> 6.76931262019786, >>>>>> 7.07638840273463, 7.15180066875616, 7.110350823662, 7.70131655729898, >>>>>> 7.03758321040949, 6.81957650696621, 7.16672630698447, 7.550947643418, >>>>>> 7.18035062270062, 6.83580537458554, 7.53556587395976, >>>>>> 6.31195290707872, >>>>>> 5.83287753761713, 5.81867638752022, 6.83541015330383, >>>>>> 6.52334107459094, >>>>>> 6.11436061339103, 7.10260940620634, 6.98757628158683, >>>>>> 5.89634862010814, >>>>>> 6.64905982592843, 6.10904544483375, 6.59560059326794, >>>>>> 6.62860732208668, >>>>>> 6.34612245052279, 6.5980097843679, 5.78737540356475, >>>>>> 6.38550118181323, >>>>>> 6.79787866750963, 6.12697207250661, 6.79967388180314, >>>>>> 6.47852836132581, >>>>>> 6.32902303599, 6.77030416330563, 6.36992000626642, 6.29767779306828, >>>>>> 5.86680261035713, 6.17573748646501, 5.44879619119357, >>>>>> 5.15153675140756, >>>>>> 4.97657133718324, 10.8727474295956, 11.4568422631567) >>>>>> > x<-c(1:391) >>>>>> > xx2<-c(269:380) >>>>>> > yy2<-meanCurtose[269:380] >>>>>> >>>>>> > ajuste1<-nls(yy2~9.548-b*(xx2-268)^c,start=list(b=1,c=1)) >>>>>> >>>>>> > plot(x,meanCurtose) >>>>>> > lines(c(269:380),((predict(ajuste1))),col="blue",lwd=5) >>>>>> >>>>>> >>>>>> _______________________________________________ >>>>>> R-br mailing list >>>>>> [email protected] >>>>>> 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. >>>>>> >>>>> >>>>> >>>>> >>>>> -- >>>>> ======================================================================= >>>>> Fernando Souza >>>>> Zootecnista, DSc. Produção Animal >>>>> e-mail:[email protected] >>>>> https://producaoanimalcomr.wordpress.com/ >>>>> >>>>> ======================================================================== >>>>> >>>>> _______________________________________________ >>>>> R-br mailing list >>>>> [email protected] >>>>> 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. >>>>> >>>> >>>> >>>> _______________________________________________ >>>> R-br mailing list >>>> [email protected] >>>> 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. >>>> >>> >>> >>> >>> -- >>> ======================================================================= >>> Fernando Souza >>> Zootecnista, DSc. Produção Animal >>> e-mail:[email protected] >>> https://producaoanimalcomr.wordpress.com/ >>> ======================================================================== >>> >>> _______________________________________________ >>> R-br mailing list >>> [email protected] >>> 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. >>> >>> >>> _______________________________________________ >>> R-br mailing list >>> [email protected] >>> 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. >>> >> >> >> >> -- >> ======================================================================= >> Fernando Souza >> Zootecnista, DSc. Produção Animal >> e-mail:[email protected] >> https://producaoanimalcomr.wordpress.com/ >> ======================================================================== >> >> _______________________________________________ >> R-br mailing list >> [email protected] >> 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. >> > > > _______________________________________________ > R-br mailing list > [email protected] > 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. >
_______________________________________________ R-br mailing list [email protected] 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 forne�a c�digo m�nimo reproduz�vel.
