Buenos dias R-help-es,
Estoy interesado en estimar una curva dosis-respuesta para un conjunto de
datos y para ello, estoy utilizando la libreria "drm". Hasta ahi todo
bien.
Me gustaria automatizar algunas cosas y el primer paso para ello es la
estimacion del modelo. Si la estimacion funciona, todo lo demas funciona;
de lo contrario, todo fallara. Tengo algunas lineas que mitigan un poco el
problema, pero no cuando hay problemas de convergencia como el que se
ilustra a continuacion:
# datos
d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, 679.3904,
597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976,
1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207,
8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462
)), .Names = c("y", "dose"), row.names = c(NA, -9L), class =
"data.frame")
# curva
# install.packages(''drm'')
require(drm, quietly = TRUE, warn.conflicts = FALSE)
with(d, plot(dose, y, las = 1))
fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol
1e-4), data = d)
# Error in optim(startVec, opfct, hessian = TRUE, method = optMethod,
control = list(maxit = maxIt, :
# non-finite finite-difference value [4]
# Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained,
warnVal, :
# Convergence failed
He cambiado un poco los parametros de control de la funcion drm, pero no ha
sido efectivo. Alguna otra sugerencia?.
Muchas gracias!
Jorge.-
[[alternative HTML version deleted]]
Estimado Jorge
No sabría la solución a su problema, leí su correo para aprender de usted,
pensé en aumentar las interacciones para llegar a una convergencia válida,
de la ayuda vi tres puntos, dos son palabras y una referencia. No se si le
sirve, pero ...
niter: the number of iterations that nlm used.
iterlim
http://cran.r-project.org/web/views/ChemPhys.html
Javier
-----Mensaje original-----
From: Jorge I Velez
Sent: Tuesday, May 15, 2012 12:42 PM
To: R-help-es
Subject: [R-es] Curva dosis-respuesta
Buenos dias R-help-es,
Estoy interesado en estimar una curva dosis-respuesta para un conjunto de
datos y para ello, estoy utilizando la libreria "drm". Hasta ahi todo
bien.
Me gustaria automatizar algunas cosas y el primer paso para ello es la
estimacion del modelo. Si la estimacion funciona, todo lo demas funciona;
de lo contrario, todo fallara. Tengo algunas lineas que mitigan un poco el
problema, pero no cuando hay problemas de convergencia como el que se
ilustra a continuacion:
# datos
d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, 679.3904,
597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976,
1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207,
8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462
)), .Names = c("y", "dose"), row.names = c(NA, -9L), class =
"data.frame")
# curva
# install.packages('drm')
require(drm, quietly = TRUE, warn.conflicts = FALSE)
with(d, plot(dose, y, las = 1))
fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol
1e-4), data = d)
# Error in optim(startVec, opfct, hessian = TRUE, method = optMethod,
control = list(maxit = maxIt, :
# non-finite finite-difference value [4]
# Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained,
warnVal, :
# Convergence failed
He cambiado un poco los parametros de control de la funcion drm, pero no ha
sido efectivo. Alguna otra sugerencia?.
Muchas gracias!
Jorge.-
[[alternative HTML version deleted]]
_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es
Hola, He probado para ver si reproducía el error y lo que obtengo es otro tipo de error, más bien relacionado en cómo se especifica el modelo:> fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol + 1e-4), data = d)Error in drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 1e+05, relTol 1e-04), : Cluster not specified. Use e.g. y ~ x + cluster(id)>Estoy usando esta versión del paquete: Package: drm Version: 0.5-8 Date: 2009-02-01 Title: Regression and association models for repeated categorical data Saludos, Carlos Ortega www.qualityexcellence.es El 15 de mayo de 2012 17:42, Jorge I Velez <jorgeivanvelez@gmail.com>escribió:> Buenos dias R-help-es, > > Estoy interesado en estimar una curva dosis-respuesta para un conjunto de > datos y para ello, estoy utilizando la libreria "drm". Hasta ahi todo > bien. > > Me gustaria automatizar algunas cosas y el primer paso para ello es la > estimacion del modelo. Si la estimacion funciona, todo lo demas funciona; > de lo contrario, todo fallara. Tengo algunas lineas que mitigan un poco el > problema, pero no cuando hay problemas de convergencia como el que se > ilustra a continuacion: > > # datos > d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, 679.3904, > 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976, > 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207, > 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462 > )), .Names = c("y", "dose"), row.names = c(NA, -9L), class = "data.frame") > > # curva > # install.packages(''drm'') > require(drm, quietly = TRUE, warn.conflicts = FALSE) > with(d, plot(dose, y, las = 1)) > fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol > 1e-4), data = d) > # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod, > control = list(maxit = maxIt, : > # non-finite finite-difference value [4] > # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained, > warnVal, : > # Convergence failed > > He cambiado un poco los parametros de control de la funcion drm, pero no ha > sido efectivo. Alguna otra sugerencia?. > > Muchas gracias! > Jorge.- > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es >-- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]]
Gracias Carlos por tu respuesta. Desafortunadamente cometi un error y la
libreria es drc, no drm. A continuacion el codigo corregido:
# datos
d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, 679.3904,
597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976,
1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207,
8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462
)), .Names = c("y", "dose"), row.names = c(NA, -9L), class =
"data.frame")
# curva
# install.packages(''drc'')
require(drc, quietly = TRUE, warn.conflicts = FALSE)
with(d, plot(dose, y, las = 1))
fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol
1e-4), data = d)
# Error in optim(startVec, opfct, hessian = TRUE, method = optMethod,
control = list(maxit = maxIt, :
# non-finite finite-difference value [4]
# Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained,
warnVal, :
# Convergence failed
Muchas gracias!
Jorge.-
2012/5/15 Carlos Ortega <>
> Hola,
>
> He probado para ver si reproducía el error y lo que obtengo es otro tipo
> de error, más bien relacionado en cómo se especifica el modelo:
>
> > fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000,
relTol
> > + 1e-4), data = d)
> Error in drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 1e+05, relTol
> = 1e-04), :
> Cluster not specified. Use e.g. y ~ x + cluster(id)
> >
>
>
> Estoy usando esta versión del paquete:
> Package: drm
> Version: 0.5-8
> Date: 2009-02-01
> Title: Regression and association models for repeated categorical data
>
>
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
> El 15 de mayo de 2012 17:42, Jorge I Velez <> escribió:
>
>> Buenos dias R-help-es,
>>
>> Estoy interesado en estimar una curva dosis-respuesta para un conjunto
de
>> datos y para ello, estoy utilizando la libreria "drm". Hasta
ahi todo
>> bien.
>>
>> Me gustaria automatizar algunas cosas y el primer paso para ello es la
>> estimacion del modelo. Si la estimacion funciona, todo lo demas
funciona;
>> de lo contrario, todo fallara. Tengo algunas lineas que mitigan un
poco
>> el
>> problema, pero no cuando hay problemas de convergencia como el que se
>> ilustra a continuacion:
>>
>> # datos
>> d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421,
679.3904,
>> 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976,
>> 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207,
>> 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462
>> )), .Names = c("y", "dose"), row.names = c(NA,
-9L), class = "data.frame")
>>
>> # curva
>> # install.packages(''drm'')
>> require(drm, quietly = TRUE, warn.conflicts = FALSE)
>> with(d, plot(dose, y, las = 1))
>> fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000,
relTol >> 1e-4), data = d)
>> # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod,
>> control = list(maxit = maxIt, :
>> # non-finite finite-difference value [4]
>> # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained,
>> warnVal, :
>> # Convergence failed
>>
>> He cambiado un poco los parametros de control de la funcion drm, pero
no
>> ha
>> sido efectivo. Alguna otra sugerencia?.
>>
>> Muchas gracias!
>> Jorge.-
>>
>> [[alternative HTML version deleted]]
>>
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es@r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>
>
>
>
> --
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
[[alternative HTML version deleted]]
Hola, Utilizando un modelo Weibull en vez de un LL.4 sí que funciona, aunque no sé si esta aproximación tiene validez.> > fit <- drm(+ y ~ dose + #, fct = LL.4() + , fct = W1.4() + , control = drmc(maxIt = 100000, relTol = 1e-4) + , data = d + , robust="mean" + )> fitA ''drc'' model. Call: drm(formula = y ~ dose, data = d, fct = W1.4(), robust = "mean", control = drmc(maxIt = 1e+05, relTol = 1e-04)) Coefficients: b:(Intercept) c:(Intercept) d:(Intercept) e:(Intercept) 0.1599 725.8105 309.2471 4.4555 Saludos, Carlos Ortega www.qualityexcellence.es El 15 de mayo de 2012 21:41, Jorge I Velez <jorgeivanvelez@gmail.com>escribió:> Gracias Carlos por tu respuesta. Desafortunadamente cometi un error y la > libreria es drc, no drm. A continuacion el codigo corregido: > > # datos > d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, 679.3904, > 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976, > 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207, > 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462 > )), .Names = c("y", "dose"), row.names = c(NA, -9L), class = "data.frame") > > # curva > # install.packages(''drc'') > require(drc, quietly = TRUE, warn.conflicts = FALSE) > > with(d, plot(dose, y, las = 1)) > fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol > 1e-4), data = d) > # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod, > control = list(maxit = maxIt, : > # non-finite finite-difference value [4] > # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained, > warnVal, : > # Convergence failed > > > Muchas gracias! > Jorge.- > > > 2012/5/15 Carlos Ortega <> > >> Hola, >> >> He probado para ver si reproducía el error y lo que obtengo es otro tipo >> de error, más bien relacionado en cómo se especifica el modelo: >> >> > fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, >> relTol >> + 1e-4), data = d) >> Error in drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 1e+05, relTol >> = 1e-04), : >> Cluster not specified. Use e.g. y ~ x + cluster(id) >> > >> >> >> Estoy usando esta versión del paquete: >> Package: drm >> Version: 0.5-8 >> Date: 2009-02-01 >> Title: Regression and association models for repeated categorical data >> >> >> Saludos, >> Carlos Ortega >> www.qualityexcellence.es >> >> El 15 de mayo de 2012 17:42, Jorge I Velez <> escribió: >> >> Buenos dias R-help-es, >>> >>> Estoy interesado en estimar una curva dosis-respuesta para un conjunto de >>> datos y para ello, estoy utilizando la libreria "drm". Hasta ahi todo >>> bien. >>> >>> Me gustaria automatizar algunas cosas y el primer paso para ello es la >>> estimacion del modelo. Si la estimacion funciona, todo lo demas >>> funciona; >>> de lo contrario, todo fallara. Tengo algunas lineas que mitigan un poco >>> el >>> problema, pero no cuando hay problemas de convergencia como el que se >>> ilustra a continuacion: >>> >>> # datos >>> d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, 679.3904, >>> 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976, >>> 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207, >>> 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462 >>> )), .Names = c("y", "dose"), row.names = c(NA, -9L), class >>> "data.frame") >>> >>> # curva >>> # install.packages(''drm'') >>> require(drm, quietly = TRUE, warn.conflicts = FALSE) >>> with(d, plot(dose, y, las = 1)) >>> fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol >>> >>> 1e-4), data = d) >>> # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod, >>> control = list(maxit = maxIt, : >>> # non-finite finite-difference value [4] >>> # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained, >>> warnVal, : >>> # Convergence failed >>> >>> He cambiado un poco los parametros de control de la funcion drm, pero no >>> ha >>> sido efectivo. Alguna otra sugerencia?. >>> >>> Muchas gracias! >>> Jorge.- >>> >>> [[alternative HTML version deleted]] >>> >>> _______________________________________________ >>> R-help-es mailing list >>> R-help-es@r-project.org >>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>> >> >> >> >> -- >> Saludos, >> Carlos Ortega >> www.qualityexcellence.es >> > >-- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]]
Carlos, Muchas gracias de nuevo. He explorado ese modelo, pero por el momento solo me interesa LL.4() en lugar de W1.4(). Alguna otra sugerencia? Saludos, Jorge.- 2012/5/15 Carlos Ortega <>> Hola, > > Utilizando un modelo Weibull en vez de un LL.4 sí que funciona, aunque no > sé si esta aproximación tiene validez. > > > > > fit <- drm( > + y ~ dose > + #, fct = LL.4() > + , fct = W1.4() > + , control = drmc(maxIt = 100000, relTol = 1e-4) > + , data = d > + , robust="mean" > + ) > > fit > > A ''drc'' model. > > Call: > drm(formula = y ~ dose, data = d, fct = W1.4(), robust = "mean", > control = drmc(maxIt = 1e+05, relTol = 1e-04)) > > Coefficients: > b:(Intercept) c:(Intercept) d:(Intercept) e:(Intercept) > 0.1599 725.8105 309.2471 4.4555 > > > > Saludos, > Carlos Ortega > www.qualityexcellence.es > > El 15 de mayo de 2012 21:41, Jorge I Velez <> escribió: > > Gracias Carlos por tu respuesta. Desafortunadamente cometi un error y la >> libreria es drc, no drm. A continuacion el codigo corregido: >> >> # datos >> d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, 679.3904, >> 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976, >> 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207, >> 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462 >> )), .Names = c("y", "dose"), row.names = c(NA, -9L), class = "data.frame") >> >> # curva >> # install.packages(''drc'') >> require(drc, quietly = TRUE, warn.conflicts = FALSE) >> >> with(d, plot(dose, y, las = 1)) >> fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol >> = 1e-4), data = d) >> # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod, >> control = list(maxit = maxIt, : >> # non-finite finite-difference value [4] >> # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained, >> warnVal, : >> # Convergence failed >> >> >> Muchas gracias! >> Jorge.- >> >> >> 2012/5/15 Carlos Ortega <> >> >>> Hola, >>> >>> He probado para ver si reproducía el error y lo que obtengo es otro tipo >>> de error, más bien relacionado en cómo se especifica el modelo: >>> >>> > fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, >>> relTol >>> + 1e-4), data = d) >>> Error in drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 1e+05, >>> relTol = 1e-04), : >>> Cluster not specified. Use e.g. y ~ x + cluster(id) >>> > >>> >>> >>> Estoy usando esta versión del paquete: >>> Package: drm >>> Version: 0.5-8 >>> Date: 2009-02-01 >>> Title: Regression and association models for repeated categorical data >>> >>> >>> Saludos, >>> Carlos Ortega >>> www.qualityexcellence.es >>> >>> El 15 de mayo de 2012 17:42, Jorge I Velez <> escribió: >>> >>> Buenos dias R-help-es, >>>> >>>> Estoy interesado en estimar una curva dosis-respuesta para un conjunto >>>> de >>>> datos y para ello, estoy utilizando la libreria "drm". Hasta ahi todo >>>> bien. >>>> >>>> Me gustaria automatizar algunas cosas y el primer paso para ello es la >>>> estimacion del modelo. Si la estimacion funciona, todo lo demas >>>> funciona; >>>> de lo contrario, todo fallara. Tengo algunas lineas que mitigan un >>>> poco el >>>> problema, pero no cuando hay problemas de convergencia como el que se >>>> ilustra a continuacion: >>>> >>>> # datos >>>> d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, >>>> 679.3904, >>>> 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976, >>>> 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207, >>>> 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462 >>>> )), .Names = c("y", "dose"), row.names = c(NA, -9L), class >>>> "data.frame") >>>> >>>> # curva >>>> # install.packages(''drm'') >>>> require(drm, quietly = TRUE, warn.conflicts = FALSE) >>>> with(d, plot(dose, y, las = 1)) >>>> fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, >>>> relTol >>>> 1e-4), data = d) >>>> # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod, >>>> control = list(maxit = maxIt, : >>>> # non-finite finite-difference value [4] >>>> # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained, >>>> warnVal, : >>>> # Convergence failed >>>> >>>> He cambiado un poco los parametros de control de la funcion drm, pero >>>> no ha >>>> sido efectivo. Alguna otra sugerencia?. >>>> >>>> Muchas gracias! >>>> Jorge.- >>>> >>>> [[alternative HTML version deleted]] >>>> >>>> _______________________________________________ >>>> R-help-es mailing list >>>> R-help-es@r-project.org >>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>> >>> >>> >>> >>> -- >>> Saludos, >>> Carlos Ortega >>> www.qualityexcellence.es >>> >> >> > > > -- > Saludos, > Carlos Ortega > www.qualityexcellence.es >[[alternative HTML version deleted]]
Hola, Sí, he probado a cambiar los métodos de optimización que utiliza la función -están basados en optim() - y de esta forma no produce error. Cuidado que no quiere decir que converga correctamente. Si dentro del parámetro de "control" incluyes "trace=TRUE" verás por qué lo digo.> > fit <- drm(+ y ~ dose+ , fct = LL.4()+ , data = d+ , robust="mean"+ , control = drmc(maxIt = 100000+ ,relTol = 1e-4 + ,errorm=TRUE+ ,otrace=T+ ,method="SANN"+ )+ )> > > > fitA ''drc'' model. Call: drm(formula = y ~ dose, data = d, fct = LL.4(), robust = "mean", control = drmc(maxIt = 1e+05, relTol = 1e-04, errorm = TRUE, otrace = T, method = "SANN")) Coefficients: b:(Intercept) c:(Intercept) d:(Intercept) e:(Intercept) -0.5526 273.0541 633.3320 0.2400 Se utiliza un método SANN que consiste en: Method "SANN" is by default a variant of simulated annealing given in Belisle (1992). Simulated-annealing belongs to the class of stochastic global optimization methods. It uses only function values but is relatively slow. It will also work for non-differentiable functions. This implementation uses the Metropolis function for the acceptance probability. By default the next candidate point is generated from a Gaussian Markov kernel with scale proportional to the actual temperature. If a function to generate a new candidate point is given, method "SANN" can also be used to solve combinatorial optimization problems. Temperatures are decreased according to the logarithmic cooling schedule as given in Belisle (1992, p. 890); specifically, the temperature is set to temp / log(((t-1) %/% tmax)*tmax + exp(1)), where t is the current iteration step and temp and tmax are specifiable via control, see below. Note that the "SANN" method depends critically on the settings of the control parameters. It is not a general-purpose method but can be very useful in getting to a good value on a very rough surface. Saludos, Carlos Ortega www.qualityexcellence.es El 16 de mayo de 2012 08:19, Jorge I Velez <jorgeivanvelez@gmail.com>escribió:> > Carlos, > > Muchas gracias de nuevo. He explorado ese modelo, pero por el momento > solo me interesa LL.4() en lugar de W1.4(). Alguna otra sugerencia? > > Saludos, > Jorge.- > > > > 2012/5/15 Carlos Ortega <> > >> Hola, >> >> Utilizando un modelo Weibull en vez de un LL.4 sí que funciona, aunque no >> sé si esta aproximación tiene validez. >> >> > >> > fit <- drm( >> + y ~ dose >> + #, fct = LL.4() >> + , fct = W1.4() >> + , control = drmc(maxIt = 100000, relTol = 1e-4) >> + , data = d >> + , robust="mean" >> + ) >> > fit >> >> A ''drc'' model. >> >> Call: >> drm(formula = y ~ dose, data = d, fct = W1.4(), robust = "mean", >> control = drmc(maxIt = 1e+05, relTol = 1e-04)) >> >> Coefficients: >> b:(Intercept) c:(Intercept) d:(Intercept) e:(Intercept) >> 0.1599 725.8105 309.2471 4.4555 >> >> >> >> Saludos, >> Carlos Ortega >> www.qualityexcellence.es >> >> El 15 de mayo de 2012 21:41, Jorge I Velez <> escribió: >> >> Gracias Carlos por tu respuesta. Desafortunadamente cometi un error y la >>> libreria es drc, no drm. A continuacion el codigo corregido: >>> >>> # datos >>> d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, >>> 679.3904, >>> 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976, >>> 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207, >>> 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462 >>> )), .Names = c("y", "dose"), row.names = c(NA, -9L), class >>> "data.frame") >>> >>> # curva >>> # install.packages(''drc'') >>> require(drc, quietly = TRUE, warn.conflicts = FALSE) >>> >>> with(d, plot(dose, y, las = 1)) >>> fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, relTol >>> = 1e-4), data = d) >>> # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod, >>> control = list(maxit = maxIt, : >>> # non-finite finite-difference value [4] >>> # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained, >>> warnVal, : >>> # Convergence failed >>> >>> >>> Muchas gracias! >>> Jorge.- >>> >>> >>> 2012/5/15 Carlos Ortega <> >>> >>>> Hola, >>>> >>>> He probado para ver si reproducía el error y lo que obtengo es otro >>>> tipo de error, más bien relacionado en cómo se especifica el modelo: >>>> >>>> > fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, >>>> relTol >>>> + 1e-4), data = d) >>>> Error in drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 1e+05, >>>> relTol = 1e-04), : >>>> Cluster not specified. Use e.g. y ~ x + cluster(id) >>>> > >>>> >>>> >>>> Estoy usando esta versión del paquete: >>>> Package: drm >>>> Version: 0.5-8 >>>> Date: 2009-02-01 >>>> Title: Regression and association models for repeated categorical data >>>> >>>> >>>> Saludos, >>>> Carlos Ortega >>>> www.qualityexcellence.es >>>> >>>> El 15 de mayo de 2012 17:42, Jorge I Velez <> escribió: >>>> >>>> Buenos dias R-help-es, >>>>> >>>>> Estoy interesado en estimar una curva dosis-respuesta para un conjunto >>>>> de >>>>> datos y para ello, estoy utilizando la libreria "drm". Hasta ahi todo >>>>> bien. >>>>> >>>>> Me gustaria automatizar algunas cosas y el primer paso para ello es la >>>>> estimacion del modelo. Si la estimacion funciona, todo lo demas >>>>> funciona; >>>>> de lo contrario, todo fallara. Tengo algunas lineas que mitigan un >>>>> poco el >>>>> problema, pero no cuando hay problemas de convergencia como el que se >>>>> ilustra a continuacion: >>>>> >>>>> # datos >>>>> d <- structure(list(y = c(509.75, 498.8629, 584.9069, 808.5421, >>>>> 679.3904, >>>>> 597.3327, 561.4653, 496.4428, 474.4776), dose = c(2.27726728500976, >>>>> 1.65500383670491, 2.93012117741345, 7.29822890763926, 7.77257337407207, >>>>> 8.42489485944128, 9.1495092419634, 12.1197337185771, 11.7126676116462 >>>>> )), .Names = c("y", "dose"), row.names = c(NA, -9L), class >>>>> "data.frame") >>>>> >>>>> # curva >>>>> # install.packages(''drm'') >>>>> require(drm, quietly = TRUE, warn.conflicts = FALSE) >>>>> with(d, plot(dose, y, las = 1)) >>>>> fit <- drm(y ~ dose, fct = LL.4(), control = drmc(maxIt = 100000, >>>>> relTol >>>>> 1e-4), data = d) >>>>> # Error in optim(startVec, opfct, hessian = TRUE, method = optMethod, >>>>> control = list(maxit = maxIt, : >>>>> # non-finite finite-difference value [4] >>>>> # Error in drmOpt(opfct, opdfct1, startVecSc, optMethod, constrained, >>>>> warnVal, : >>>>> # Convergence failed >>>>> >>>>> He cambiado un poco los parametros de control de la funcion drm, pero >>>>> no ha >>>>> sido efectivo. Alguna otra sugerencia?. >>>>> >>>>> Muchas gracias! >>>>> Jorge.- >>>>> >>>>> [[alternative HTML version deleted]] >>>>> >>>>> _______________________________________________ >>>>> R-help-es mailing list >>>>> R-help-es@r-project.org >>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>>> >>>> >>>> >>>> >>>> -- >>>> Saludos, >>>> Carlos Ortega >>>> www.qualityexcellence.es >>>> >>> >>> >> >> >> -- >> Saludos, >> Carlos Ortega >> www.qualityexcellence.es >> > >-- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]]