线性函数拟合R语言示例
线性函数拟合(y=a+bx)
1. R运行实例
R语言运行代码如下:绿色为要提供的数据,黄色标识信息为需要保存的。
x<-c(0.10,0.11, 0.12, 0.13, 0.14, 0.15,0.16, 0.17, 0.18, 0.20, 0.21, 0.23)
y<-c(42.0,43.5, 45.0, 45.5, 45.0, 47.5,49.0, 53.0, 50.0, 55.0, 55.0, 60.0)
data1=data.frame(x=x,y=y) #数据存入数据框
#拟合线性函数
lm.data1<-lm(y~ x,data=data1)
summary(lm.data1) #输出拟合后信息
Call:
lm(formula = data1$y ~ data1$x)
Residuals: #残差分位数(当残差个数较少时,此处显示所有残差值)
Min 1Q Median 3Q Max
-2.0431 -0.7056 0.1694 0.6633 2.2653
Coefficients:
#系数估计值 #系数标准误差 #t检验值 #对应t值概率的倍
Estimate Std. Error t value Pr(>|t|)
(Intercept) 28.493 1.580 18.04 5.88e-09 ***
data1$x 130.835 9.683 13.51 9.50e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’1
Residual standard error: 1.319 on 10degrees of freedom
#拟合优度判定系数 #修正的拟合优度判定系数
Multiple R-squared: 0.9481, AdjustedR-squared: 0.9429
#F检验值 #F检验值对应的概率
F-statistic: 182.6 on 1 and 10 DF, p-value:9.505e-08
t检验值对应的Pr(>|t|):该数值由于是t检验量对应的概率的2倍,所以其数值小于0.1时,就说明对应的自变量对于因变量来说是有显著性的,当然数值越小,显著性越高。
F检验值对应的p-value:F检验值对应的概率。当其数值小于0.05时,说明回归方程是显著的。
Adjusted R-squared修正拟合优度:数值越接近1,模型拟合的越好。
/***********************数值输出********************************/
coefficient<-lm.data1$coefficients #回归所有系数列举
coefficient[1] #系数a:截距
coefficient [2] #系数b
tvalue<-summary(lm.data1)$coefficients[1:2,3] #t检验值
tvalue[1] #系数a对应的t检验值
tvalue[2] #系数b对应的t检验值
Pr<-summary(lm.data1)$coefficients[1:2,4] #t检验值对应的概率的2倍
Pr[1] #系数a对应t检验值对应的概率2倍
Pr[2] #系数b对应t检验值对应的概率2倍
ARsquared<-summary(lm.data1)$adj.r.squared #修正的拟合优度判定系数
F_info<-summary(lm.data1)$fstatistic #F检验的F值、自由度DF和概率
F_info[1] #F检验值
F_info[2] #F检验量的自由度
F_info[3] #F检验值对应的概率
/****************************************************************/
#残差正态性检验
ks.test(lm.data1$residuals,"pnorm",0)
One-sampleKolmogorov-Smirnov test
data: lm.data1$residuals
#D检验值 #对应的概率值
D = 0.1332, p-value = 0.9648
alternative hypothesis: two-sided
D检验值对应的概率值p-value:该数值大于0.05,说明残差服从均值为0的正态分布。
/***********************数值输出********************************/
ks_test<-ks.test(lm.data1$residuals,"pnorm",0) #获取正态性检验信息
ks_test[1] #KS检验值
ks_test[2] #KS检验值对应的概率
/****************************************************************/
#残差独立性检验:DW法检验残差序列的自相关性
dwtest(lm.data1)
Durbin-Watsontest
data: lm.data1
#d.w检验值#对应的概率值
DW = 2.5465, p-value = 0.7422
alternative hypothesis: trueautocorrelation is greater than 0
DW检验值对应的概率值p-value:该数值大于0.05时,说明残差序列独立。
/***********************数值输出********************************/
dw_test<-dwtest(lm.data1) #获取独立性检验信息
dw_test[1] #DW检验值
dw_test[4] #DW检验值对应的概率
/****************************************************************/
#残差同方差检验
bptest(lm.data1)
studentizedBreusch-Pagan test
data: lm.data1
#BP检验值 #自由度 #对应概率值
BP = 0.9831, df = 1, p-value = 0.3214
BP检验值对应的概率值p-value:该数值大于0.05,说明残差是同方差的。
/***********************数值输出********************************/
bp_test<- bptest(lm.data1) #获取独立性检验信息
bp_test[1] #BP检验值
bp_test[2] #BP检验量的自由度
bp_test[4] #BP检验值对应的概率
/****************************************************************/
2. 拟合曲线图
- ab<-round(lm.data1$coefficients[1],3) #回归方程系数a,保留3位小数
- bb<-round(lm.data1$coefficients[2],3) #回归方程系数b,保留3位小数
- plot(data1$x,data1$y,xlab="x",ylab = "y",col="red",pch="*") #训练数据点
abline(lm.data1,col="blue") #拟合曲线
text(mean(data1$x),max(data1$y),paste("y = ",bb,"x+(",ab,")",sep = ""))#方程式
线性函数拟合R语言示例的更多相关文章
- survival analysis 生存分析与R 语言示例 入门篇
原创博客,未经允许,不得转载. 生存分析,survival analysis,顾名思义是用来研究个体的存活概率与时间的关系.例如研究病人感染了病毒后,多长时间会死亡:工作的机器多长时间会发生崩溃等. ...
- 第五篇:R语言数据可视化之散点图
散点图简介 散点图通常是用来表述两个连续变量之间的关系,图中的每个点表示目标数据集中的每个样本. 同时散点图中常常还会拟合一些直线,以用来表示某些模型. 绘制基本散点图 本例选用如下测试数据集: 绘制 ...
- 第六篇:R语言数据可视化之数据分布图(直方图、密度曲线、箱线图、等高线、2D密度图)
数据分布图简介 中医上讲看病四诊法为:望闻问切.而数据分析师分析数据的过程也有点相似,我们需要望:看看数据长什么样:闻:仔细分析数据是否合理:问:针对前两步工作搜集到的问题与业务方交流:切:结合业务方 ...
- 第四篇:R语言数据可视化之折线图、堆积图、堆积面积图
折线图简介 折线图通常用来对两个连续变量的依存关系进行可视化,其中横轴很多时候是时间轴. 但横轴也不一定是连续型变量,可以是有序的离散型变量. 绘制基本折线图 本例选用如下测试数据集: 绘制方法是首先 ...
- R语言-处理异常值或报错的三个示例
博客总目录:http://www.cnblogs.com/weibaar/p/4507801.html Tuesday, March 31, 2015 之前用rvest帮人写了一个定期抓取amazon ...
- R语言-Kindle特价书爬榜示例 & 输出HTML小技巧
博客总目录:http://www.cnblogs.com/weibaar/p/4507801.html ---- 自从买了kindle以后,总是想要定期刷有没有便宜的书,amazon经常有些1元/2元 ...
- R语言-Kindle特价书爬榜示例 & 输出HTML小技巧(转)
自从买了kindle以后,总是想要定期刷有没有便宜的书,amazon经常有些1元/2元的书打特价,但是每次都去刷那些榜单太麻烦了,而且榜单又不能按照价格排名,捞书有点累 所以自己用R语言的rvest包 ...
- R语言进行文件夹操作示例(转)
rm(list=ls())path = 'J:/lab/EX29 --在R语言中进行文件(夹)操作'setwd(path)cat("file A\n", file="A& ...
- 【R语言系列】作图入门示例一
假设有如下数据,我们使用plot函数作图 月龄 体重 月龄 体重 1 4.4 9 7.3 3 5.3 3 6.0 5 7.2 9 10.4 2 5.2 12 10.2 11 8.5 3 6.1 R语 ...
随机推荐
- Storm(4) - Distributed Remote Procedure Calls
Using DRPC to complete the required processing 1. Create a new branch of your source using the follo ...
- POJ 3660
233333... Description: 就是说呢.牛是的实力室友大小之分的.然后呢.告诉你很多pair 表示任意两头牛之间的实力大小.按实力排序之后.问你一共有多少只牛的排名是确定了的. T_T ...
- PHP5生成条形码器
前阵子在做一个商家优惠券的功能,需要用到条形码,于是将资料重新整理下. 1.什么是条形码? 百度百科定义:条形码(barcode)是将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息 ...
- 使用URL读取网络资源
import java.io.InputStream;import java.io.OutputStream;import java.net.URL; import android.os.Bundle ...
- 各种主流数据库的比较(所以说我觉得Oracle这个keng?入的不错?)
随着计算机技术不断发展,各种数据库编程工具也随着发展,使当今的大多数程序开发人员可以摆脱枯燥无味的用计算机指令或汇编语言开发软件,而是利用一系列高效的.具有良好可视化的编程工具去开发各种数据库软件,从 ...
- 找出html中的图片、包括css中的图片,读出图片数据转换为base64数据
<?php echo ">> 图片的地址,css里面的要打单引号\r\n"; echo ">> 相同的图片,使用css实现图片地址只出现一次 ...
- java.io中流的操作:字节流、字符流
java.io中流的操作:字节流.字符流(1)使用File类打开一个文件(2)通过字节流或字符流的子类指定输出的位置(3)进行读/写操作(4)关闭输入/输出 1.字节流:主要是byte类型数据,以by ...
- 前端必须掌握30个CSS3选择器
也许你已经学会了CSS的三个简单常用的选择器:#ID,.class,标签选择器,可是这些就足够了吗?随着CSS3的到来,作为前端开发者需要掌握下面三十个基本的选择器,这样才可以在平时开发中得心用手. ...
- jQuery 中的 Ajax
jQuery 对 Ajax 操作进行了封装, 在 jQuery 中最底层的方法时 $.ajax(), 第二层是 load(), $.get() 和 $.post(), 第三层是 $.getScript ...
- HDU 5353
题目大意: 相邻的朋友可以给出自己手上最多一颗糖,n个朋友形成一个环,问给的方式能否最后使所有朋友都糖的数量相同 这里我用的是网络流来做的,这里n=100000,用sap的模板可以跑过 #includ ...