Ajustar un modelo paramétrico

Para este caso, en particular, se tiene que el modelo Weibull arroja mejores resultados, por lo que se recurre a la función Wei, para realizar el ajuste correspondiente de los datos, la función Wei, aplicada en un grupo de datos específico, devuelve una lista con la información obtenida por el ajuste paramétrico, así como la estimación de la función de recuperación de la fluorescencia \(F(t)\), entre otros datos relevantes, para más detalles ir a newFit.

Para realizar el gráfico del ajuste paramétrico de la recuperación de la fluorescencia se utiliza la función plotFit la cual recibe como parámetros, en primer lugar, a los grupos de datos por ajustar y posteriormente el modelo de probabilidad que se haya elegido para cada grupo de datos, entre parámetros opcionales que permiten personalizar y dar formato a cada gráfica, ir a plotFit para saber más. Si el modelo de probabilidad elegido es el mismo para todos los grupos de datos, basta con especificarlo una única vez como se ve a continuación:

plotFit(B, C, fit=Wei, plot.lines=T)

plotFit(B, C, fit=Wei, plot.shadow=T, plot.mean=T, alp.shadow=0.2, ylim=c(0.2, 1), xdigits=0)

Con la función plotFit se pueden graficar estimaciones futuras, de la curva de recuperación de la fluorescencia, con solo modificar el rango del gráfico. Las gráficas obtenidas por las funciones plotRecover y plotFit pueden ser apiladas cambiando el parámetro opcional new.plot a FALSE.

plotFit(B, fit=Wei, plot.shadow=T, alp.shadow=0.3, xlim=c(0,500), ylim=c(0.2, 1))
plotRecover(B, AB=T, plot.lines=T, new.plot=F)

Otro uso para la función plotFit es hacer una comparación visual entre dos o más modelos de probabilidad sobre un mismo grupo de datos.

plotRecover(B, plot.shadow =T, ylim=c(0.2, 1.2), xdigits=0,lwd.border=1, col="#808080")
plotFit(B, B, fit=l(Wei, Exp), plot.lines=T, new.plot=F, displacement=T, col=c("blue2","red2"))