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