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