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@gmail.com> Para: r-br@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@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@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@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br