จากDetails
ส่วนของความช่วยเหลือ
การคำนวณจะดำเนินการโดยฟังก์ชั่นทั่วไป (ปัจจุบันไม่มีเอกสาร) ทำนายและวิธีการ สำหรับวิธีการส่วนใหญ่ขอบเขตความเชื่อมั่นจะถูกคำนวณโดยใช้วิธีการทำนาย - ข้อยกเว้นคือเหลืองซึ่งใช้การประมาณแบบ t-based และสำหรับ glm ที่ช่วงความเชื่อมั่นปกติถูกสร้างขึ้นบนสเกลลิงก์จากนั้นเปลี่ยนกลับเป็นระดับการตอบสนอง
ดังนั้นการทำนายโดยทั่วไปจะเรียกstats::predict
ซึ่งจะเรียกpredict
วิธีที่ถูกต้องสำหรับวิธีการปรับให้เรียบ ฟังก์ชั่นอื่น ๆ ที่เกี่ยวข้องกับstat_smooth ยังเป็นประโยชน์ในการพิจารณา
ฟังก์ชั่นการกระชับตัวแบบส่วนใหญ่จะมีpredict
วิธีการที่เกี่ยวข้องกับclass
ตัวแบบ เหล่านี้มักจะใช้newdata
วัตถุและการโต้แย้งse.fit
ที่จะแสดงว่าข้อผิดพลาดมาตรฐานจะได้รับการติดตั้ง (ดู?predict
) สำหรับรายละเอียดเพิ่มเติม
se
แสดงช่วงความเชื่อมั่นที่ราบรื่น (ตามค่าเริ่มต้นจริงดูระดับที่จะควบคุม
นี่คือการส่งโดยตรงไปยังวิธีการทำนายเพื่อส่งกลับข้อผิดพลาดมาตรฐานที่เหมาะสม (ขึ้นอยู่กับวิธีการ)
fullrange
ความพอดีควรครอบคลุมช่วงเต็มของพล็อตหรือเพียงแค่ข้อมูล
สิ่งนี้จะกำหนดnewdata
ค่าx
ที่จะทำการประเมินการคาดคะเน
level
ระดับของช่วงความมั่นใจที่จะใช้ (0.95 โดยค่าเริ่มต้น)
ส่งโดยตรงไปยังวิธีการทำนายเพื่อให้ช่วงความมั่นใจสามารถกำหนดค่าวิกฤตที่เหมาะสม (เช่นpredict.lm
ใช้qt((1 - level)/2, df)
สำหรับข้อผิดพลาดมาตรฐานที่จะคูณด้วย
n
จำนวนคะแนนที่ประเมินได้ราบรื่นขึ้นที่
ใช้ร่วมกับfullrange
เพื่อกำหนดx
ค่าในnewdata
วัตถุ
ภายในการโทรหาstat_smooth
คุณสามารถกำหนดse
ว่าอะไรคือสิ่งที่จับคู่บางส่วนกับse.fit
(หรือse
) และจะกำหนดinterval
อาร์กิวเมนต์หากจำเป็น level
จะให้ระดับของช่วงความมั่นใจ (ค่าเริ่มต้น 0.95)
newdata
วัตถุที่กำหนดไว้ในการประมวลผลขึ้นอยู่กับการตั้งค่าของคุณfullrange
จะลำดับของความยาวn
อยู่ในช่วงที่เต็มรูปแบบของพล็อตหรือข้อมูล
ในกรณีของคุณการใช้rlm
สิ่งนี้จะใช้predict.rlm
ซึ่งถูกกำหนดเป็น
predict.rlm <- function (object, newdata = NULL, scale = NULL, ...)
{
## problems with using predict.lm are the scale and
## the QR decomp which has been done on down-weighted values.
object$qr <- qr(sqrt(object$weights) * object$x)
predict.lm(object, newdata = newdata, scale = object$s, ...)
}
ดังนั้นจึงเป็นการเรียกภายในpredict.lm
ด้วยสเกลที่เหมาะสมของการqr
แบ่งแยกและscale
อาร์กิวเมนต์