如何在 R 中集成 (AUC) nls 模型和蒙特卡洛置信区间
How to integrate (AUC) nls model and Monte-Carlo confidence interval in R
我正在尝试对 R 中从 x= 0 到无穷大的非线性函数（从 nls()）进行积分（求解面积）。但是，R 的积分函数调用函数 (f).
简而言之，我想做一些近似的事情：
integrate(my.nls, lower = 0L, upper = Inf)
但不幸的是，my.nls实际上是一个拟合模型对象，而不是一个函数。
我考虑过使用平滑样条进行插值，然后对结果函数进行积分。但我更愿意使用真正的 nls 函数而不是近似值。此外，鉴于积分的无限性，我必须非常小心地进行正向外推。
如果可能，理想的技术是能够整合 nls 和其他函数的结果，例如，根据传播包 predictNLS 函数。
我是 R 的新手，这只是我第二次 post 我想，如果这是一个微不足道或愚蠢的问题，或者我犯了其他错误，请原谅我。到目前为止，as.function 或 function(){predict(my.nls()} 的不当使用并没有让我得到任何帮助，我将不胜感激任何帮助。
下面是一个简短的例子，可以用来说明我的问题：
### Make up some data
x <- seq(from = 10, to = 1, length.out = 15)+(rnorm(15)+2)
y <- seq(from = 1, to = 10, length.out = 15)+(rnorm(15)+2)
### Fit an nls model, in this case, just a plain linear one.
my.nls <- nls(y~m*x+b, start = c(m=-1, b=100))
### Get confidence intervals from propagate package, might take a couple
#seconds to run. Only serves to illustrate the type of values, the
#function of which, I'd like to integrate (see my.preds$summary)
library(propagate)
my.preds <- predictNLS(my.nls, newdata = data.frame("x" = x))
### Integrate (totally not right, just (hopefully) illustrating
#the idea of what I'd like to do)
#exact.fn.auc <- integrate(my.nls, lower = 0L, upper = Inf)
#upperCI.fn.auc <- integrate(predictNLS(my.nls)$summary$Sim.97.5%, lower = 0L, upper = Inf)
PS：我认识到最后两行中的语法非常错误，我只是想说明如果单独计算函数所表示的值来自何处。如果对我的意思有任何疑问，请提问，我会尝试重新表述我的问题。
PPS：很可能我完全是从错误的方向开始的（尽管我必须拟合的模型类型实际上是非线性的[与上面所示的不同]，我想以某种方式获得均值函数下方的区域及其置信区间），如果您对其他方法有任何建议，也欢迎提出。我对样条曲线的问题是，当它们接近 y = 0 时，我的真实模型会逐渐渐近，并且假设我要去 Inf，外推中的小偏差解决了曲线下一些非常不同的值。
主要问题确实是 integrate 需要一个函数，而这不是您试图提供的。至少在这个例子中，另一个问题是积分在上升到 Inf.
时是发散的
将注意力限制在 [0, 10]，对于第一种情况，我们有
integrate(function(p)
predict(my.nls, data.frame(x = p)),
lower = 0, upper = 10)
# 102.0578 with absolute error < 1.1e-12
在第二个
integrate(function(p)
predictNLS(my.nls, newdata = data.frame(x = p), do.sim = FALSE)$summary$`Prop.97.5%`,
lower = 0, upper = 10)
# 113.9549 with absolute error < 1.7e-06
我还添加了 do.sim = FALSE 不使用 Monte Carlo 因为这需要更长的时间，但是您当然可以调整参数（例如 Monte Carlo 的数量迭代 nsim).
我正在尝试对 R 中从 x= 0 到无穷大的非线性函数（从 nls()）进行积分（求解面积）。但是，R 的积分函数调用函数 (f).
简而言之，我想做一些近似的事情：
integrate(my.nls, lower = 0L, upper = Inf)
但不幸的是，my.nls实际上是一个拟合模型对象，而不是一个函数。
我考虑过使用平滑样条进行插值，然后对结果函数进行积分。但我更愿意使用真正的 nls 函数而不是近似值。此外，鉴于积分的无限性，我必须非常小心地进行正向外推。
如果可能，理想的技术是能够整合 nls 和其他函数的结果，例如，根据传播包 predictNLS 函数。
我是 R 的新手，这只是我第二次 post 我想，如果这是一个微不足道或愚蠢的问题，或者我犯了其他错误，请原谅我。到目前为止，as.function 或 function(){predict(my.nls()} 的不当使用并没有让我得到任何帮助，我将不胜感激任何帮助。
下面是一个简短的例子，可以用来说明我的问题：
### Make up some data
x <- seq(from = 10, to = 1, length.out = 15)+(rnorm(15)+2)
y <- seq(from = 1, to = 10, length.out = 15)+(rnorm(15)+2)
### Fit an nls model, in this case, just a plain linear one.
my.nls <- nls(y~m*x+b, start = c(m=-1, b=100))
### Get confidence intervals from propagate package, might take a couple
#seconds to run. Only serves to illustrate the type of values, the
#function of which, I'd like to integrate (see my.preds$summary)
library(propagate)
my.preds <- predictNLS(my.nls, newdata = data.frame("x" = x))
### Integrate (totally not right, just (hopefully) illustrating
#the idea of what I'd like to do)
#exact.fn.auc <- integrate(my.nls, lower = 0L, upper = Inf)
#upperCI.fn.auc <- integrate(predictNLS(my.nls)$summary$Sim.97.5%, lower = 0L, upper = Inf)
PS：我认识到最后两行中的语法非常错误，我只是想说明如果单独计算函数所表示的值来自何处。如果对我的意思有任何疑问，请提问，我会尝试重新表述我的问题。
PPS：很可能我完全是从错误的方向开始的（尽管我必须拟合的模型类型实际上是非线性的[与上面所示的不同]，我想以某种方式获得均值函数下方的区域及其置信区间），如果您对其他方法有任何建议，也欢迎提出。我对样条曲线的问题是，当它们接近 y = 0 时，我的真实模型会逐渐渐近，并且假设我要去 Inf，外推中的小偏差解决了曲线下一些非常不同的值。
主要问题确实是 integrate 需要一个函数，而这不是您试图提供的。至少在这个例子中，另一个问题是积分在上升到 Inf.
将注意力限制在 [0, 10]，对于第一种情况，我们有
integrate(function(p)
predict(my.nls, data.frame(x = p)),
lower = 0, upper = 10)
# 102.0578 with absolute error < 1.1e-12
在第二个
integrate(function(p)
predictNLS(my.nls, newdata = data.frame(x = p), do.sim = FALSE)$summary$`Prop.97.5%`,
lower = 0, upper = 10)
# 113.9549 with absolute error < 1.7e-06
我还添加了 do.sim = FALSE 不使用 Monte Carlo 因为这需要更长的时间，但是您当然可以调整参数（例如 Monte Carlo 的数量迭代 nsim).