[R-br] Res: RES.: Função sigmóide! Função nls.lm

[Gustavo Marcatti]

Bom, 
para meu uso a falta de sensibilidade de valores iniciais é essencial. Quando se 
tem que ajustar uns 5 modelos e o seu resultado final é apenas o ajuste, aí tudo 
bem. Porém no meu caso geralmente o modelo deve ser ajustado para uns 50 
extratos e o ajuste é só a ponta do iceberg, ou seja, depois do ajuste varias 
outras etapas são realizadas em cima desse ajuste.  Gosto da função nls.lm pela 
sua robustez além disso ela tem tratamento de exceções já implementado, ou seja, 
mesmo se não houver ajuste a sua rotina não vai parar. Em minhas rotinas sempre 
faço gráficos para analise de cada ajuste (um exemplo é esse que o Walmes fez: 
dados + curva ajustada).
Acho perigoso inserir o critério ajuste/ não-ajuste na escolha do modelo. Seria 
deprimente eliminar um modelo dos alternativos só porque a nls não foi capaz de 
ajustar (lembrando que nem todos têm a habilidade ou tempo de encontrar bons 
chutes iniciais).
 
Gustavo Marcatti
Eng. Florestal 
UFV




________________________________
De: Walmes Zeviani <walmeszeviani em gmail.com>
Para: r-br em listas.c3sl.ufpr.br
Enviadas: Sexta-feira, 8 de Abril de 2011 23:59:48
Assunto: Re: [R-br] RES.: Função sigmóide! Função nls.lm

Walmes,

Eu acredito que seja pertinente um comentário sobre essas funções. Eu gosto da 
nls(), das opções que ela oferece e tudo mais. Nunca usei a nls.lm(). Isso 
porque nunca foi necessário, sempre me resolvi com a nls(). Eu trabalhei com 
modelos não lineares na minha dissertação e por isso também sempre fui procurado 
por colegas para resolver problemas de convergência. Quando o modelo não dava 
certo eu trocava de modelo, as vezes o modelo era não identificável, após 
inspeção gráfica eu via que não havia relação. A ressalva que eu faço, é que 
essas funções podem deixar o usuário relaxado, no sentido de que o cara vai 
chutar qualquer coisa, usar qualquer modelo e obter estimativas e usá-las. Acho 
que o processo de estudar os dados e aplicar modelos, requer antes um estudo 
minucioso para ver se há compatibilidade dados/modelo e depois de funções para a 
tarefa. Eu já ajustei modelos não lineares em outros programas (fase negra da 
minha vida, antes de conhecer o R), e quando fui fazer a curva de predição 
observei que as estimativas eram totalmente sem sentido. E os programas que eu 
usava eram famosos e tals, todo mundo põe a mão no fogo por eles. Do meu ponto 
de vista, se você não consegue ajustar um modelo aos seus dados após correta 
escolha dos chutes, verificar os gráficos, etc, não troque de função, troque de 
modelo. Se você tem um modelo que alcança/explica os seus dados, a nls() vai 
estimar parâmetros para você.

À disposição.
Walmes.

==========================================================================
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W)
Departamento de Estatística - Universidade Federal do Paraná
fone: (+55) 41 3361 3573
VoIP: (3361 3600) 1053 1173
e-mail: walmes em ufpr.br
twitter: @walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes
linux user number: 531218
==========================================================================



Em 8 de abril de 2011 21:58, Thiago De paula protásio 
<depaulaprotasio em yahoo.com.br> escreveu:

Allaman e demais membros da lista;
>
>Obrigado pela dica da função nls.lm().
>Vc pode nos dar mais detalhes de como podemos proceder para ajustar um modelo 
>não linear a partir dessa função?
>
>Se vc puder dar uma olhada nos dados.......eu já mandei para a lista os dados e 
>o Walmes  ele fez a gentileza de anexá-la.
>
>Muito obrigado!!!!
>Bom final de semana a todos!
> 
>_______________________________________________
>R-br mailing list
>R-br em listas.c3sl.ufpr.br
>https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
>
>



      
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110410/fe5293cc/attachment.html>