Bab 3 Parameter dan fungsi

3.1 Parameter versus variabel Mengapa sebenarnya tidak ada perbedaan.

Perbedaan Newton antara a, b, c, dan x, y, z.

3.2 Parameter fungsi pemodelan Berikan parameterisasi eksponensial, sinus, hukum pangkat …

Idenya adalah untuk membuat argumen ke fungsi matematika berdimensi.

Parameter dan logaritma – Anda dapat mengambil log apa pun yang Anda suka. Satuan muncul sebagai konstanta

3.3 Polinomial dan parameter Setiap parameter memiliki dimensinya sendiri

3.4 Parameter danmakeFun() Jelaskan cara makeFun()kerjanya di sini. 1

3.5 Fungsi tanpa parameter: splines dan smooths Hiper-parameter. Ini adalah angka yang mengatur bentuk fungsi, tetapi dapat diatur secara sewenang-wenang dan masih cocok dengan data. Parameter hiper tidak disetel langsung oleh data.

Model matematika berusaha menangkap pola di dunia nyata. Ini berguna karena model dapat lebih mudah dipelajari dan dimanipulasi daripada dunia itu sendiri. Salah satu kegunaan paling penting dari fungsi adalah untuk mereproduksi atau menangkap atau memodelkan pola yang muncul dalam data.

“Smoothers” dan “splines” adalah dua jenis fungsi tujuan umum yang dapat menangkap pola dalam data, tetapi tidak ada bentuk aljabar sederhana. Smoother dan splines tidak ditentukan oleh bentuk dan parameter aljabar, tetapi oleh data dan algoritma. Sebagai ilustrasi, pertimbangkan beberapa data sederhana. Kumpulan data Loblollyberisi 84 pengukuran usia dan tinggi pinus loblolly.

library(mosaicCalc)
## Loading required package: mosaicCore
## Loading required package: Deriv
## Loading required package: Ryacas
## 
## Attaching package: 'Ryacas'
## The following object is masked from 'package:stats':
## 
##     integrate
## The following objects are masked from 'package:base':
## 
##     %*%, diag, diag<-, lower.tri, upper.tri
## Registered S3 method overwritten by 'mosaic':
##   method                           from   
##   fortify.SpatialPolygonsDataFrame ggplot2
## 
## Attaching package: 'mosaicCalc'
## The following object is masked from 'package:stats':
## 
##     D
gf_point(height ~ age, data=datasets::Loblolly)

  1. Sebuah “spline kubik”, yang mengikuti kelompok titik data dan kurva dengan mulus dan anggun.

f1 <- spliner(height ~ age, data = datasets::Loblolly)

  1. Sebuah “interpolant linier”, yang menghubungkan kelompok titik data dengan garis lurus.

f2 <- connector(height ~ age, data = datasets::Loblolly)

Spline dan konektor tidak selalu sesuai dengan yang Anda inginkan, terutama bila data tidak dibagi menjadi kelompok-kelompok terpisah, seperti data pinus loblolly. Misalnya, trees.csvkumpulan data adalah pengukuran volume, ketebalan, dan tinggi pohon ceri hitam. Pohon-pohon ditebang untuk diambil kayunya, dan minat dalam melakukan pengukuran adalah untuk membantu memperkirakan berapa banyak volume kayu yang dapat digunakan yang dapat diperoleh dari sebuah pohon, berdasarkan lingkar (yaitu, keliling) dan tinggi. Ini akan berguna, misalnya, dalam memperkirakan berapa nilai uang sebuah pohon. Namun, tidak seperti data pinus loblolly, data ceri hitam tidak melibatkan pohon yang jatuh dengan baik ke dalam kelompok yang ditentukan.

Saat Anda membuat konektor yang lebih halus atau spline atau linier, ingat aturan ini:

  1. Anda memerlukan bingkai data yang berisi data.
  2. Anda menggunakan rumus dengan variabel yang Anda inginkan sebagai output dari fungsi di sisi kiri tilde, dan variabel input di sisi kanan.
  3. Fungsi yang dibuat akan memiliki nama input yang cocok dengan variabel yang Anda tentukan sebagai input. (Untuk saat ini, hanya smootherakan menerima lebih dari satu variabel input.)
  4. Kelancaran suatu smootherfungsi dapat diatur oleh spanargumen. Rentang 1,0 biasanya cukup mulus. Kesalahannya adalah 0,5.
  5. Saat membuat spline, Anda memiliki opsi untuk mendeklarasikan monotonic=TRUE. Ini akan mengatur hal-hal untuk menghindari benjolan asing dalam data yang menunjukkan pola naik yang stabil atau pola turun yang stabil.

Saat Anda ingin memplot suatu fungsi, tentu saja Anda perlu memilih rentang untuk nilai input. Seringkali masuk akal untuk memilih rentang yang sesuai dengan data yang menjadi dasar fungsi. Anda dapat menemukan ini dengan range()perintah.

R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.