問題タブ [convergence]

lme4パッケージ を使用して、一般化された線形混合効果モデルをデータに適合させようとしています。

データは次のように記述できます (以下の例を参照): 28 日間にわたる魚の生存データ。サンプル データ セットの説明変数は次のとおりです。

• Regionこれは、幼虫が発生した地理的地域です。
• treatment各地域の魚のサブサンプルが上げられた温度。
• replicate実験全体の 3 つの複製のうちの 1 つ
• tub確率変数。合計 15 個の浴槽 (水槽で実験温度を維持するために使用) ( replicate5 つの温度ごとに3treatment秒)。各浴槽にはそれぞれ 1つのRegion水槽 (合計 4 つの水槽) が含まれており、実験室にランダムに配置されていました。
• Day一目瞭然、実験開始からの日数。
• stage分析には使用されていません。無視できます。

応答変数

• csns累積生存。すなわちremaining fish/initial fish at day 0。
• start重みは、生存確率が実験開始時の魚の数に比例することをモデルに伝えるために使用されます。
• aquarium2 番目の確率変数。これは、属している各因子の値を含む個々の水族館の一意の ID です。たとえば、N-14-1 はRegion N、Treatment 14、を意味しreplicate 1ます。

私の問題は、以前に次のモデルを装着したことがあるという点で珍しいものです。

ただし、モデルを再実行して公開用の分析を生成しようとすると、同じモデル構造とパッケージで次のエラーが発生します。出力は以下のとおりです。

1: In eval(expr, envir, enclos) : 非整数 #二項 glm で成功!
2: in checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
モデルは max|grad| = 1.59882 (tol = 0.001, component >1) で収束に失敗しました
3: checkConv( attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
モデルはほとんど識別できません: 非常に大きな固有値
- 変数を再スケーリングしますか?;モデルはほとんど識別できません: 大きな固有値比
- 変数を再スケーリングしますか?

私の理解は次のとおりです。

警告メッセージ 1.

non-integer #success in a binomial glm変数の比率形式を参照しcsnsます。ここに含まれるいくつかのソース、github、r-helpなどを調べましたが、すべてがこれを提案しました。3 年前にこの分析を手伝ってくれたリサーチ フェローは連絡が取れません。lme4過去3年間のパッケージの 変更と関係がありますか?

警告メッセージ 2.

モデルを当てはめるに はデータポイントが不十分であるため
L-30-1、これが問題であることは理解しています 。したがって、モデルを適合させるための変動性や十分なデータはありません。 L-30-2L-30-3

Day 0 csns=1.00Day 1 csns=0.00

それにもかかわらず、このモデルはlme4以前は機能していましたが、現在はこれらの警告なしでは実行できません。

警告メッセージ 3

これは私にはまったくなじみがありません。前にそれを見たことがない。

サンプルデータ：

問題のデータは、1005cs.csvこちらから転送されます: http://we.tl/ObRKH0owZb

この問題を解読するための助けをいただければ幸いです。また、このデータを分析するための適切なパッケージまたは方法の代替提案も素晴らしいでしょう.

データ ファイルからニュートンの引力の盆地を作成するにはどうすればよいですか?

複素関数 z^3-1 の範囲 -2、2、およびそれらのゼロで 10000 ポイントを取得しました。収束の盆地を作成するために、それらを 3 つの異なる色でプロットしたいと思います。

プログラムから取得したデータは、こちらから入手できます。フォーマットは次のようになります。

"( )" 内の最初の 2 つの数値は複素数の開始点であり、次の 2 つの数値は収束するゼロです。ゼロは e-10 のレベルまで正確です。簡単に e-16 に変更できます。

コマンド plot() を使用して、バグ モデルでの収束を説明したいと思います。出力の例を次の図に示します

みんなのおかげで、この出力をうまく読めるかどうかわかりません:)

f ( x , y , z ) 関数の三重積分を一般領域で求めるプログラムを作ったのですが、なぜか動きません。

積分の順序がdz dy dxの場合のプログラムの抜粋を次に示します。

使用される変数については、以下で説明します。

だからここに私がそれに近づいている方法があります：

まず、 を使用して積分領域だけの体積を見つけますDsum(seq(fnInt(Y₅,Y,Y₉,Y₀),X,A+.5D,B,D))。次に、その領域内のランダムな ( x、y、z ) 点の束を選び、それらの点をf ( x、y、z ) にプラグインして、w = f ( x、y、z )。次に、これらのw値の平均をとります。これにより、三重積分である 4D ソリッドの平均「高さ」をかなり適切に見積もることができます。そして、積分領域「ベース」に平均w値「高さ」を掛けることによって (Vmean(ʟW))、三重積分のハイパーボリュームの適切な見積もりが得られるはずです。

テストされる ( x , y , z ) 点の数が増加するにつれて、三重積分の値は実際の値に多かれ少なかれ収束するはずです。

どういうわけか、そうではありません。一部の積分では素晴らしく機能し、他の積分ではロングショットで失敗します。この良い例は∫[0, 2] ∫[0, 2- x ] ∫[0, 2- x - y ] 2 x dz dy dxです。正解は 4/3 または 1.333... ですが、プログラムはまったく別の数値 2.67 に収束します。ギブ オア テイクです。

なぜこれを行うのですか？三重積分が間違った数に収束するのはなぜですか?

編集: 私の推測では、間違いを犯していないと仮定すると、計算機で使用される RNG アルゴリズムは 0 よりわずかに大きい数値しか生成できず、プログラムが停止している可能性がありますが、方法はありません。 「0よりわずかに大きい」は定量化されていないため、これを確認することも説明することもできません。

私は学生と一緒に作業し、GLMER でいくつかのモデルを実行していましたが、同じコードを使用すると、モデルは彼ではなく私のために収束することがわかりました。つまり、次のようなエラー メッセージが表示されます。 = 0.001、コンポーネント 1)

確認したところ、私は古いバージョンの R を実行していたため、パッケージを更新したときに、彼が 1.1-11 を実行していたときに LME4 が 1.1-7 までしか上がらなかったことに気付きました。そこで、R と LME4 を更新したところ、同じ結果が得られました。私たちが実行しているモデルに固有のものかもしれないと思っていましたが、現在、LME4 1.1-7 を実行している別の学生と一緒に作業しており、彼女のモデルは再び彼女に収束しますが、私には収束しません。1.1-11 で、これらの警告が表示される可能性が高くなるような変更はありますか? もしそうなら、変更の性質から、1.1-11 で警告が表示される理由についてのヒントを得ることができますか? 最後に、どの結果を信じますか?収束の警告に対処するためにできることはありますか?