Question

我有数据的散点图（x和y值）。我想计算加权平均值和标准差作为X的函数。对于我的每一个点，我想计算每个值与预测值之间的标准差的数量。我目前正在使用loess.sd包中的msir函数，因为它为我计算了sd。有谁知道如何获得每个数据点的预测sd？或者可能有另一种或更好的方法来解决这个问题？提前谢谢。

我目前的代码：

#... scatter plot of data
plot(xy,ylim=c(0,50),pch=20)
#loess +- 1 sd
std_loess = loess.sd(xy, nsigma =1,span=0.3)
# ... add weighted average to plot
lines(std_loess$x,std_loess$y,col="firebrick2")
# .... add weighted sd to plot
lines(std_loess$x,std_loess$y,col="firebrick2")
#.... get observed data points
lines(std_loess$x,std_loess$upper,col="dodgerblue2")
# ... get expected value for each data point
obs = xy[,2]
# ... get predicted sd for each data point
expected = predict(std_loess$model,data.frame(xy))  
# ...get predicted sd for each data point

exp_sd = ??????????????????

# ...get predicted sd for each data point
sd_away = (obs - expected) / exp_sd

Answer 1

可能（但在没有数据的情况下未经测试）：

exp.fit = expected$fit
# ...get predicted sd for each data point
sd_away = (obs - exp.fit) / expected$se

predict.loess的结果不是向量，而是具有多个组件和预测值的列表在＆＃34; fit＆＃34;成分

用黄土预测数值和标准差

1 个答案: