R 基于GAM的检测概率置信区间

我试图得到使用GAM创建的检测函数的置信区间。我已经用因子和变量创建了GAM

model = gam(Capture>0~s(Distance)+s(Amplitude)+DetectorNumber, 
              family=binomial, data=dat)

如图所示：

现在我需要置信区间，在我的世界里，它是上阴影区和下阴影区的积分。然而，即使我能够找出如何进行积分，我相信这依赖于方差为常数的假设。在这种情况下，随着距离值的增加，我们预计测量中会出现更多的误差（测量误差）

我们还需要中断每个通道，并了解每个探测器编号的检测概率（使用CI）。同样，我已经成功地使用了预测值，但没有成功地获得置信区间

  sim=data.frame(Dist=seq(from=0, to=39.99, by=.01),
                     Amplitude=sample(Amplitude,4000),
                     DetectorNumber=rep(ii,4000));

  sim$DetectorNumber=factor(sim$DetectorNumber)
  yy=predict(model, newdata=sim, type='response')
  pdet=sum(yy*.01)/(4000*.01)

我开始倾向于自举来获得检测概率和CI值，但我不确定如何使用GAM来实现这一点

您的想法将不胜感激

---

顺便说一句，如果有人知道如何将GAM的最终值强制为0朝向尾部，这也会很有帮助（例如，在40公里处发现鸟的概率为0）

我感觉你的第一站不应该是编码论坛，而应该是方法学家常去的地方。这两个地方是CrossValidated.com和R-SIG-geo邮件列表。我还发现“集成”这个词在人工智能中的使用是一个非常非数学意义的词，所以我建议澄清这个词的确切含义。我不知道孩子们怎么称呼它，不管它是什么。（我有资格享受医疗保险。）你说的是“阴影区域”“但这必须是某种图形输出，而不是数学实体。你是说预测极限之间的面积或体积在你的科学领域有某种意义吗？看起来很奇怪，所以请随意在编辑问题时添加超链接，显示正在执行和解释的过程。（这个词是“站点”。）在思考你可能想象的东西时，我突然想到你说的是某种内核密度估计，可能是多维的。我再说一遍。。。。把你交给统计学家。