R. ggplot2.Recreación de la curva lisa del método STAT_MSMOOOTO

Question

Estoy tratando de recrear el procedimiento que se utiliza para estimar la función suave de STAT_MSMOOTH en el paquete GGPLOT2. Vamos a tomar un ejemplo:

library(ggplot2)

n <- 100
X <- runif(n)*8
Y <- sin(3*X) + cos(X^2) + rnorm(n, 0, 0.5)

myData <- as.data.frame(cbind(X, Y))

p <- ggplot(myData, aes(y=Y, x=X)) + 
     stat_smooth(se = FALSE, size = 2) +
     geom_point(size = 1)
p
geom_smooth: method="auto" and size of largest group is <1000, so using loess. Use 'method = x' to change the smoothing method.

La línea lisa no se ajusta realmente a los datos, pero no importa. Ahora, vamos a recrear el mismo gráfico desde cero. Según http://www.inside-r.org/r-doc/ Estadísticas / Loess Necesitamos usar el kernel de ponderación tricubic y el polinomio de grado 2 (de forma predeterminada). Encontré este http:// www. Maths.Manchester.ac.uk/~peterf/math38011/npr%20local%20linear%20estimator.pdf Artículo que describe cómo estimar la función de lodo suave. Intento recrear este método y usarlo en mis datos:

Dfct <- function(t){
  if (abs(t) <= 1)
  ((1-abs(t)^3)^3) else
  0
  }

K_h <- function(x_0, x){
  f_hat <- NULL
  Dfct(abs(x - x_0)/h)
  }

m_hat_loess <- function(X, Y){
  e_1 <- c(1, 0, 0)
  m_hat <- NULL

  for(i in 1:length(X)){
  K_h_vector <- NULL

  for(j in 1:length(X)){
    K_h_vector <- c(K_h_vector, K_h(X[i], X[j]))
    }

  X_0 <- cbind(rep(1, length(X)), (X - X[i]), (X - X[i])^2)
  W <- diag(K_h_vector)

  m_hat <- c(m_hat,
  t(e_1)%*% solve(t(X_0)%*%W%*%X_0) %*% (t(X_0)%*%W%*%Y)
  )
}
m_hat
}

No estoy seguro de lo que debería usar para el parámetro H , pero según un libro que tengo "para el kernel de tri-cubo con ancho métrico, h es el radio de la región de apoyo ". Por lo tanto, lo primero que intento es:

h <- (max(X)-min(X))/2
Y_hat <- m_hat_loess(X, Y)

tempData <- as.data.frame(cbind(X, Y_hat))
ggplot(tempData , aes(x=X, y=Y_hat)) +
  geom_line(size = 2)

Esto claramente no es la misma función. He estado usando diferentes valores de h pero no pudimos recrear la misma curva, lo que me hace creer que cometí un error en otro lugar.

Answer 1

La función GENACODICETAGODODOTE en el paquete stat_smooth(...) simplemente pasa sus datos (potencialmente subsetchados) a la función ggplot, como se puede demostrar aquí:

library(ggplot2)
set.seed(1)
n <- 100
X <- runif(n)*8
Y <- sin(3*X) + cos(X^2) + rnorm(n, 0, 0.5)

myData <- data.frame(X,Y)
fit <- loess(Y~X,data=myData)
myData$pred <- predict(fit)

ggplot(myData, aes(X,Y))+
  geom_point()+
  stat_smooth(se=F, size=3)+
  geom_line(aes(X,pred),colour="yellow")

The Documentación paraloess(...) proporciona referencias al método de cálculo, específicamente, Aquí .