如何在R中绘制一条平滑线或95％的逐点间隔？

Question

我有以下图片：

而且我想顺利红色和蓝色线。但我不知道该怎么做。红色和蓝色线分别表示黑点的较低的95％间隔。 （请注意，我没有使用任何回归公式来获得95％的间隔） 我阅读了黄土功能，但是当我尝试使用它时。我找回了同样的情节。 那么有什么特别的R功能可以让我平滑这两条线。

或者，有没有办法获得“95％的智慧间隔”这个问题？

的代码下面给出：

residual.plot <- function(a,b) 
{ 
    log.y1 <- log(a) - b * log(energy) 
    fitted.y <- exp(log.y1) 
    diff <- count - fitted.y 
    #normal approximation 
    low.interval <- c() 
    high.interval <- c() 
    for(i in 1:350) 
    { 
     low <- diff[i] - sqrt( exp(log(a) - b * log(energy[i])))*qnorm(0.975) 
     high <- diff[i] + sqrt( exp(log(a) - b * log(energy[i])) )*qnorm(0.975) 
     low.interval <- append(low.interval, low) 
     high.interval <- append(high.interval, high) 
    } 
    par(mfrow = c(1,1)) 
    plot(energy, diff, ylim = c(-10,10), type = "p", pch = 7) 
    lines(energy, low.interval, type = "p", col = "red", pch = 1) 
    lines(energy, high.interval, type = "p", col = "blue", pch = 1) 


} 

Answer 1

首先，从此再也不敢再次发布这样的代码。您提交2不可饶恕的大罪：

• 你生长在一个迭代循环对象（吨问题存在）
• 你不使用的R矢量化工作的事实。

这就是说，最简单的方法是使用lowess，前提是数据中没有NA值。你的功能应该再是这样的：

residual.plot <- function(a,b,count,energy) 
{ 
    log.y1 <- log(a) - b * log(energy) 
    fitted.y <- exp(log.y1) 
    diff <- count - fitted.y 

    #normal approximation 
     low <- diff - sqrt( exp(log(a) - b * log(energy)))*qnorm(0.975) 
     high <- diff + sqrt( exp(log(a) - b * log(energy)) )*qnorm(0.975) 

    par(mfrow = c(1,1)) 
    plot(energy, diff, ylim = c(-10,10), type = "p", pch = 7) 
    lines(lowess(energy, low), type = "p", col = "red", pch = 1) 
    lines(lowess(energy, high), type = "p", col = "blue", pch = 1) 


} 

PS：为了使功能非常有用，你不应该指望变量从功能以外的例如像count和energy。将它们作为参数添加到函数中，以便稍后在使用其他数据集时使用该函数。