我有一个ODE方程系统,我试图适应生成的数据,合成或实验室。我感兴趣的最终产品是参数和它的估计误差。我们将R包FME
与modCost
和modFit
一起使用。例如,ODE系统可以这样定义:
eqs <- function (time, y, parms, ...) {
with(as.list(c(parms, y)), {
dP <- k2*PA - k1*A*P # concentration of nucleic acid
dA <- dP # concentration of free protein
dPA <- -dP
list(c(dA,dP,dPA))
}
}
包含参数k1
和k2
以及变量A,P
和PA
。我导入数据(未显示)并定义modFit
cost <- function(p, data, ...) {
yy <- p[c("A","P","PA")]
pp <- p[c("k1", "k2")]
out <- ode(yy, time, eqs, pp)
modCost(out, data, ...)
}
我使用parms
向量设置了一些初始条件,然后使用
fit <- modFit(f = cost, p = parms, data = dat, weight = "std",
lower = rep(0, 8), upper = c(600,100,600,0.01,0.01), method = "Marq")
然后我做了最后的ode
以获得最佳参数的生成拟合,Bob是你的叔叔,以及繁荣的估计参数。输入数字并不重要,我希望我的流程大纲对于使用此软件包的人来说清晰可读。
我的问题和疑问围绕两件事:我是科学家,物理学家,估计参数的误差对于报告很重要。我可以以某种方式从MFE生成估计的错误,或者是否有单独的包用于那种返回?
答案 0 :(得分:0)
我不明白你的观点。你可以使用:
summary(fit)
看到标准。错误。