在同一图中绘制模拟回归线
Plotting simulated regression lines in the same plot
我使用 r
模拟了 100 条线性回归线的斜率和截距值。
现在我想在同一个图中绘制这些回归线。
基本上,输出应该是这样的,
我模拟的数据如下:
N=100
intercept=rnorm(N,178,20)
slope=rnorm(N,0,10)
weight=seq(30,60,100)
height=seq(-100,400,100)
现在我很难在同一个图中绘制这些线。
谁能帮我解决这个问题?
谢谢。
这将绘制多条线。我基本上使用 sapply()
作为 for 循环。您首先必须初始化情节。您可以使用 weight
和 height
变量来做到这一点,但您必须以不同于上面的方式指定它们。事实上,您真正需要的只是最小值和最大值。
weight=c(30,60)
height=c(-100,400)
plot(weight, height, type="n")
然后,您可以模拟截距和斜率,然后将线放入。
N=100
intercept=rnorm(N,178,20)
slope=rnorm(N,0,10)
sapply(1:N, function(i)abline(a=intercept[i], b=slope[i]))
这给了我如下内容:
它看起来并不完全像您在问题中提到的那个,但我的猜测是这种独立随机绘制的截距和斜率并未用于生成您图中的那个。不过,机制应该可行。
我使用 r
模拟了 100 条线性回归线的斜率和截距值。
现在我想在同一个图中绘制这些回归线。
基本上,输出应该是这样的,
我模拟的数据如下:
N=100
intercept=rnorm(N,178,20)
slope=rnorm(N,0,10)
weight=seq(30,60,100)
height=seq(-100,400,100)
现在我很难在同一个图中绘制这些线。 谁能帮我解决这个问题?
谢谢。
这将绘制多条线。我基本上使用 sapply()
作为 for 循环。您首先必须初始化情节。您可以使用 weight
和 height
变量来做到这一点,但您必须以不同于上面的方式指定它们。事实上,您真正需要的只是最小值和最大值。
weight=c(30,60)
height=c(-100,400)
plot(weight, height, type="n")
然后,您可以模拟截距和斜率,然后将线放入。
N=100
intercept=rnorm(N,178,20)
slope=rnorm(N,0,10)
sapply(1:N, function(i)abline(a=intercept[i], b=slope[i]))
这给了我如下内容:
它看起来并不完全像您在问题中提到的那个,但我的猜测是这种独立随机绘制的截距和斜率并未用于生成您图中的那个。不过,机制应该可行。