如何在R中集成（AUC）nls模型和蒙特卡罗置信区间

我试图将非线性函数（从

nls（）

）从x=0到R中的无穷大进行积分（解析下的区域）。但是，R的积分函数调用函数（

f

）

简而言之，我想做一些近似的事情：

integrate(my.nls, lower = 0L, upper = Inf)

但不幸的是，

my.nls

实际上是一个合适的模型对象，而不是一个函数。 我考虑使用平滑样条插值，然后对结果函数进行积分。但我更喜欢使用真正的nls函数，而不是近似值。此外，考虑到积分的无限性，我必须非常小心正向外推

如果可能，理想的技术是能够整合nls和其他函数的结果，例如，根据传播包的

predictNLS

函数计算的模拟97.5%置信区间下的面积

我对R比较陌生，这只是我的第二篇文章，所以，我想，如果这是一个琐碎或愚蠢的问题，或者我犯了其他罪，请原谅我。到目前为止，

as.function

或

function（）{predict（my.nls（）}

的不当使用没有给我任何帮助，我将非常感谢您的帮助

下面是一个简短的例子，可以用来说明我的问题：

### Make up some data
x <- seq(from = 10, to = 1, length.out = 15)+(rnorm(15)+2)
y <- seq(from = 1, to = 10, length.out = 15)+(rnorm(15)+2)

### Fit an nls model, in this case, just a plain linear one.
my.nls <- nls(y~m*x+b, start = c(m=-1, b=100))

### Get confidence intervals from propagate package, might take a couple 
#seconds to run. Only serves to illustrate the type of values, the 
#function of which, I'd like to integrate (see my.preds$summary)

library(propagate) 

my.preds <- predictNLS(my.nls, newdata = data.frame("x" = x))

### Integrate (totally not right, just (hopefully) illustrating 
#the idea of what I'd like to do)

#exact.fn.auc <- integrate(my.nls, lower = 0L, upper = Inf)
#upperCI.fn.auc <- integrate(predictNLS(my.nls)$summary$Sim.97.5%, lower = 0L, upper = Inf)

####组成一些数据
x主要的问题确实是
integrate
需要一个函数，而这不是您试图提供的。另一个问题，至少在本例中是这样的，是积分在上升到Inf时是发散的

将注意力限制在[0,10]，这是我们的第一个案例

integrate(function(p) 
  predict(my.nls, data.frame(x = p)),
  lower = 0, upper = 10)
# 102.0578 with absolute error < 1.1e-12

集成（函数（p）
预测（my.nls，data.frame（x=p）），
下=0，上=10）
#102.0578，绝对误差<1.1e-12

在第二个

integrate(function(p) 
  predictNLS(my.nls, newdata = data.frame(x = p), do.sim = FALSE)$summary$`Prop.97.5%`,
  lower = 0, upper = 10)
# 113.9549 with absolute error < 1.7e-06

集成（函数（p）
predictNLS（my.nls，newdata=data.frame（x=p），do.sim=FALSE）$summary$`Prop.97.5%`，
下=0，上=10）
#113.9549，绝对误差<1.7e-06

其中，我还添加了
do.sim=FALSE
以避免使用蒙特卡罗，因为这需要花费较长的时间，但您当然可以调整参数（例如，蒙特卡罗迭代次数
nsim
）。
非常有用，应该很容易适应我的“真实”问题。在我的实验中，我差点就从predict定义了一个函数，但语法不太正确。谢谢！