如果你也在 怎样代写R这个学科遇到相关的难题，请随时右上角联系我们的24/7代写客服。
R是一个用于统计计算和图形的自由软件环境。
statistics-lab™ 为您的留学生涯保驾护航 在代写R方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写R代写方面经验极为丰富，各种代写R相关的作业也就用不着说。
我们提供的R及其相关学科的代写，服务范围广, 其中包括但不限于:
- Statistical Inference 统计推断
- Statistical Computing 统计计算
- Advanced Probability Theory 高等楖率论
- Advanced Mathematical Statistics 高等数理统计学
- (Generalized) Linear Models 广义线性模型
- Statistical Machine Learning 统计机器学习
- Longitudinal Data Analysis 纵向数据分析
- Foundations of Data Science 数据科学基础
统计代写|R代写project|ODE/MOL routine
pdela called in the main program of Listing $3.1$ follows.
pdela=function ( $t, u$, parm) {
$#$
Function pdela computes the $t$ derivatives of
$V 1(x, t), V 2(x, t), V 3(x, t), C 1(t), C 2(t), C 3(t)$
$#$
One vector to three vectors, three scalars
pdela called in the main program of Listing $3.1$ follows.
pdela=function $(t, u$, parm) {
$#$ # Function pdela computes the $t$ derivatives of
$# \mathrm{~V} 1(\mathrm{x}, \mathrm{t}), \mathrm{V} 2(\mathrm{x}, \mathrm{t}), \mathrm{V} 3(\mathrm{x}, \mathrm{t}), \mathrm{C} 1(\mathrm{t}), \mathrm{C} 2(\mathrm{t}), \mathrm{C} 3(\mathrm{t})$
$#$
$#$ One vector to three vectors, three scalars
$\mathrm{V} 1=\mathrm{rep}(0, \mathrm{nx}) ;$
$\mathrm{V} 2=\mathrm{rep}(0, \mathrm{nx}) ;$
$\mathrm{V} 3=\mathrm{rep}(0, \mathrm{nx}) ;$
for $(i$ in $1: \mathrm{nx}){$
$\mathrm{V} 1[i]=u[i] ;$
$\mathrm{V} 2[i]=u[i+n x] ;$
$\mathrm{V} 1=\operatorname{rep}(0, \mathrm{nx})$;
V2 $=$ rep $(0, n \mathrm{x})$;
$\mathrm{V} 3=\operatorname{rep}(0, \mathrm{nx})$;
for (i in $1: n x){$
$\mathrm{V} 1[\mathrm{i}]=\mathrm{u}[\mathrm{i}]$;
$\mathrm{V} 2[i]=\mathrm{u}[i+n \mathrm{x}]$;
统计代写|R代写project|ODE/MOL routine for eqs
We can note the following details about Listing $3.2$.
- The function is defined.
pdela=function (t, u, parm) {
$#$
Function pdela computes the t derivatives of
$# \mathrm{~V} 1(\mathrm{x}, \mathrm{t}), \mathrm{V} 2(\mathrm{x}, \mathrm{t}), \mathrm{V} 3(\mathrm{x}, \mathrm{t}), \mathrm{C} 1(\mathrm{t}), \mathrm{C} 2(\mathrm{t}), \mathrm{C} 3(\mathrm{t})$
$t$ is the current value of $t$ in eqs. (3.1), (3.2), (3.3). $\mathrm{u}$ is the 66-vector of ODE/PDE
dependent variables. parm is an argument to pass parameters to pdela (unused,
but required in the argument list). The arguments must be listed in the order stated
to properly interface with I sodes called in the main program of Listing 3.1. The
derivative vector of the LHS of eqs. $(3.1),(3.2),(3.3)$ is calculated and returned
to Isodes as explained subsequently.
- Vector u is placed in three vectors and three scalars to facilitate the programming
of eqs. (3.1), (3.2), (3.3).
#
One vector to three vectors, three scalars
$\mathrm{V} 1=\operatorname{rep}(0, \mathrm{nx})$;
$\mathrm{V} 2=r \operatorname{ep}(0, \mathrm{nx})$;
$\mathrm{V} 3=\operatorname{rep}(0, \mathrm{nx})$;
for (i in $1: n x$ ) {
$\mathrm{V} 1[i]=\mathrm{u}[\mathrm{i}] ;$
$\mathrm{V} 2[i]=\mathrm{u}[i+\mathrm{nx}]$;
$\mathrm{V} 3[i]=\mathrm{u}[i+\mathrm{nx} * 2]$;
}
$\mathrm{Cl}=\mathrm{u}[3 * \mathrm{nx}+1] ;$
$\mathrm{C} 2=\mathrm{u}[3 * \mathrm{nx}+2]$;
$C 3=u[3 * n x+3]$;
$\mathrm{V} 2[i]=\mathrm{u}[i+\mathrm{nx}] ;$
$\mathrm{V} 3[i]=\mathrm{u}[i+\mathrm{nx} \star 2] ;$
$\mathrm{C} 1=\mathrm{u}[3 * \mathrm{nx}+1] ;$
$\mathrm{C} 2=\mathrm{u}[3 * \mathrm{nx}+2] ;$
$\mathrm{C} 3=\mathrm{u}[3 * \mathrm{nx}+3] ;$
$\frac{\partial V_{1}(x, t)}{\partial x}=\mathrm{V} 1 \mathrm{x}, \frac{\partial V_{2}(x, t)}{\partial x}=\mathrm{V} 2 \mathrm{x}, \frac{\partial V_{3}(x, t)}{\partial x}=\mathrm{V} 3 \mathrm{x}$ are computed by
dss004 a library routine for first order spatial derivatives. dss004 is listed in
Appendix Al with an explanation of the arguments.
#
V1x, $\mathrm{V} 2 \mathrm{x}, \mathrm{V} 3 \mathrm{x}$
$\mathrm{V} 1 \mathrm{x}=\mathrm{dss} 004(\mathrm{x} 1, \mathrm{xu}, \mathrm{nx}, \mathrm{V} 1) ;$
$\mathrm{V} 2 \mathrm{x}=\mathrm{dss} 004(\mathrm{x} 1, \mathrm{xu}, \mathrm{nx}, \mathrm{V} 2) ;$
$\mathrm{V} 3 \mathrm{x}=\mathrm{dss} 004(\mathrm{x} 1, \mathrm{xu}, \mathrm{nx}, \mathrm{V} 3) ;$
- $\frac{\partial V_{1}(x, t)}{\partial x}=\mathrm{V} 1 \mathrm{x}, \frac{\partial V_{2}(x, t)}{\partial x}=\mathrm{V} 2 \mathrm{x}, \frac{\partial V_{3}(x, t)}{\partial x}=\mathrm{V} 3 \mathrm{x}$ are computed by dss 004 a library routine for first order spatial derivatives. dss 004 is listed in Appendix Al with an explanation of the arguments.
$#$
V1x, V2x, V3x
$\mathrm{V} 1 \mathrm{x}=\mathrm{dss} 004(\mathrm{xl}, \mathrm{xu}, \mathrm{nx}, \mathrm{V} 1)$;
$\mathrm{V} 2 \mathrm{x}=\mathrm{dss} 004(\mathrm{xl}, \mathrm{xu}, \mathrm{nx}, \mathrm{V} 2)$;
$\mathrm{V} 3 \mathrm{x}=\mathrm{dss004}(\mathrm{xl}, \mathrm{xu}, \mathrm{nx}, \mathrm{V} 3)$;
统计代写|R代写project|Numerical, graphical output
For the case of no cross diffusion, chi2 =chi $3=0$ in Listing 3.1, the output is the same as in Table $2.3$. This case is worth executing since if the output changes from Table $2.3$, a programming error would be indicated.
The following abbreviated numerical output is for cross diffusion included, chi $2=$ chi $3=1$. $0 \mathrm{e}-04$ in Listing $3.1$.
We can note the following details of Table $3.1$.
- The output is for 21 values of $t$ corresponding to nout $=21$ in Listing 3.1, that is, $\mathrm{t}=0,48, \ldots 240$ with every fourth value of $t$ displayed.
- The output is for $66+1=67$ values in the solution vectors of out from lsodes as discussed previously.
- Homogeneous ICs at $t=0$ are confirmed, $V_{1}(x, t=0)=V_{2}(x, t=0)=$ $V_{3}(x, t=0)=C_{1}(t=0)=C_{2}(t=0)=C_{3}(t=0)=0$.
- $V_{2}(x, t)=V_{3}(x, t)$ since the parameters are the same for these two dependent variables. This is a worthwhile check since a difference in these solutions would indicate a programming error.
- Similarly, $C_{2}(t)=C_{3}(t)$ since the parameters are the same for these two dependent variables. Again, this is a worthwhile check since a difference in these solutions would indicate a programming error.
- The solutions are significantly different with cross diffusion added to eqs. (3.2-1), (3.3-1) as indicated by a comparison of Tables $2.3$ and 3.1.
- The computational effort for the integration of the 66 ODEs is modest, ncall $=334 .$
The graphical output is in Figs. 3.1.
A comparison of Fig. 2.1-1 and Fig. 3.1-1 indicates that the cross diffusion has a negligible effect on $V_{1}(x, t)$.
A comparison of Fig. 2.1-2 and Fig. 3.1-2 indicates that the cross diffusion has a negligible effect on $C_{1}(t)$.
A comparison of Fig. 2.2-1 and Fig. 3.1-3 indicates that the cross diffusion reduces the variation of $V_{2}(x, t)$ with $x$ (by the substraction of the cross diffusion term in $D_{V 2} \frac{\partial^{2} V_{2}(x, t)}{\partial x^{2}}-\chi_{2} \frac{\partial^{2}\left(V_{2}(x, t) V_{3}(x, t)\right)}{\partial x^{2}}$ in eq. $\left.(3.2-1)\right)$.
A comparison of Fig. $2.2-2$ and Fig. 3.1-4 indicates that the cross diffusion reduces the increase of $C_{2}(t)$ with $t$ (the effect of $\mathrm{BC}(3.1-2)$ is reduced).
A comparison of Fig. 2.2-3 and Fig. 3.1-5 indicates that the cross diffusion reduces the flux of $C_{2}(t)$.
The graphical output for component 3 is the same as for 2 and is not included here. That is, the preceding conclusions apply to $V_{3}(x, t), C_{3}(t)$ (since $V_{3}(x, t)$ is the same as $V_{2}(x, t)$ and $C_{3}(t)$ is the same as $C_{2}(t)$ for the parameters in Listing 3.1).
R代考
统计代写|R代写project|ODE/MOL routine
清单3.1的主程序中调用的 pdela3.1如下所示。
pdela=function ( t,u , parm) {
##
函数 pdela 计算t的导数
V1(x,t),V2(x,t),V3(x,t),C1(t),C2(t),C3(t)
##
一个向量到三个向量，三个标量
的主程序中调用的 pdela如下所示。pdela = function , parm) { # Function pdela 计算#一个向量到三个向量，三个标量for in $1: \ mathrm {nx}) { \ mathrm {V} 1 [i] = u [i];3.1
(t,u
##t
# \mathrm{~V} 1(\mathrm{x}, \mathrm{t}), \mathrm{V} 2(\mathrm{x}, \mathrm{t}), \mathrm{V} 3(\mathrm{x}, \mathrm{t}), \mathrm{C} 1(\mathrm{t}), \mathrm{C} 2(\mathrm{t}), \mathrm{C} 3(\mathrm{t})# \mathrm{~V} 1(\mathrm{x}, \mathrm{t}), \mathrm{V} 2(\mathrm{x}, \mathrm{t}), \mathrm{V} 3(\mathrm{x}, \mathrm{t}), \mathrm{C} 1(\mathrm{t}), \mathrm{C} 2(\mathrm{t}), \mathrm{C} 3(\mathrm{t})
##
##
V1=rep(0,nx);
V2=rep(0,nx);
V3=rep(0,nx);
(i\ mathrm {V} 2 [i] = u [i + nx]; \ mathrm {V} 1 = \ operatorname rep} (0, \ mathrm nx) =(0, n \ mathrm {x)\ mathrm {V} 3 = \ operatorname rep} (0, \ mathrm nx) 1: nx) { \ mathrm {V} 1 [\ mathrm {i}] = \ mathrm {u} [\ mathrm {i}]\ mathrm {V} 2 [i] = \ mathrm {u} [i + n \ mathrm {x}] $;;V2rep;;for(iin;
统计代写|R代写project|ODE/MOL routine for eqs
的以下细节。3.2
- 功能已定义。
pdela=function (t, u, parm) {
##
函数 pdela 计算 t 的导数
# \mathrm{~V} 1(\mathrm{x}, \mathrm{t}), \mathrm{V} 2(\mathrm{x}, \mathrm{t}), \mathrm{V} 3(\mathrm{x}, \mathrm{t}), \mathrm{C} 1(\mathrm{t}), \mathrm{C} 2(\mathrm{t}), \mathrm{C} 3(\mathrm{t})# \mathrm{~V} 1(\mathrm{x}, \mathrm{t}), \mathrm{V} 2(\mathrm{x}, \mathrm{t}), \mathrm{V} 3(\mathrm{x}, \mathrm{t}), \mathrm{C} 1(\mathrm{t}), \mathrm{C} 2(\mathrm{t}), \mathrm{C} 3(\mathrm{t})
t是eqs的当前值。(3.1)、(3.2)、(3.3)。是 ODE/PDE因变量的 66 向量。parm 是将参数传递给 pdela 的参数（未使用，但在参数列表中是必需的）。参数必须按规定的顺序列出，以便与清单 3.1 的主程序中调用的 I 节点正确连接。eqs 的 LHS 的导数向量。并返回到 Isodes，如下所述。tu(3.1),(3.2),(3.3)
- 向量 u 被放置在三个向量和三个标量中，以方便
eqs 的编程。(3.1)、(3.2)、(3.3)。
#
一个向量到三个向量，三个标量
V1=rep(0,nx) ; ; ; for (i in ) {
V2=rep(0,nx)
V3=rep(0,nx)
1:nx
V1[i]=u[i];
V2[i]=u[i+nx] ; ; } ; ; 计算如下
V3[i]=u[i+nx∗2]Cl=u[3∗nx+1];
C2=u[3∗nx+2]
C3=u[3∗nx+3]
V2[i]=u[i+nx];
V3[i]=u[i+nx⋆2];
C1=u[3∗nx+1];
C2=u[3∗nx+2];
C3=u[3∗nx+3];
∂V1(x,t)∂x=V1x,∂V2(x,t)∂x=V2x,∂V3(x,t)∂x=V3x
dss004 一阶空间导数的库例程。dss004 列在
附录 A 中，并附有参数说明。
#
V1x,V2x,V3x
V1x=dss004(x1,xu,nx,V1);
V2x=dss004(x1,xu,nx,V2);
V3x=dss004(x1,xu,nx,V3);
- ∂V1(x,t)∂x=V1x,∂V2(x,t)∂x=V2x,∂V3(x,t)∂x=V3x } dss 004 是一阶空间导数的库例程。dss 004 列在附录 A 中，并附有参数说明。
##
V1x、V2x、V3x
V1x=dss004(xl,xu,nx,V1) ; ; ;
V2x=dss004(xl,xu,nx,V2)
V3x=dss004(xl,xu,nx,V3)
统计代写|R代写project|Numerical, graphical output
对于没有交叉扩散的情况，清单 3.1 中 chi2 =chi，输出与表相同。这种情况值得执行，因为如果表的输出发生变化，将指示编程错误。3=02.32.3
以下缩写数字输出用于包括交叉扩散， chi chi。在清单中。我们可以注意到表的以下细节。2=3=10e−043.1
3.1
- 输出对应于清单 3.1 中的 nout值，即显示每四个值。t=21t=0,48,…240t
- 如前所述，输出来自 lsodes 的解向量中的6666+1=67
- 确认时的同质 IC。t=0V1(x,t=0)=V2(x,t=0)= V3(x,t=0)=C1(t=0)=C2(t=0)=C3(t=0)=0
- V2(x,t)=V3(x,t)因为这两个因变量的参数相同。这是一项有价值的检查，因为这些解决方案的差异表明存在编程错误。
- 同样，因为这两个因变量的参数相同。同样，这是值得检查的，因为这些解决方案的差异表明存在编程错误。C2(t)=C3(t)
- 解决方案与添加到 eqs 的交叉扩散显着不同。(3.2-1), (3.3-1) 如表和 3.1 的比较所示。2.3
- 66 个 ODE 的积分计算量不大，ncall图形输出如图。3.1。图 2.1-1 和图 3.1-1 的比较表明交叉扩散对的影响可以忽略不计。=334.V1(x,t)
图 2.1-2 和图 3.1-2 的比较表明交叉扩散对的影响可以忽略不计。C1(t)
图 2.2-1 和图 3.1-3 的比较表明，交叉扩散减少了随中的交叉扩散项 in eq.。V2(x,t)xDV2∂2V2(x,t)∂x2−χ2∂2(V2(x,t)V3(x,t))∂x2(3.2−1))
图和图 3.1-4 的比较表明，交叉扩散减少了随的增加（的影响降低了）。2.2−2C2(t)tBC(3.1−2)
图 2.2-3 和图 3.1-5 的比较表明，交叉扩散降低了的通量。C2(t)
组件 3 的图形输出与 2 相同，此处不包括在内。也就是说，前面的结论适用于 (因为与相同，并且对于清单 3.1 中的参数，与V3(x,t),C3(t)V3(x,t)V2(x,t)C3(t)C2(t)
统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。
金融工程代写
金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题，以及设计新的和创新的金融产品。
非参数统计代写
非参数统计指的是一种统计方法，其中不假设数据来自于由少数参数决定的规定模型；这种模型的例子包括正态分布模型和线性回归模型。
广义线性模型代考
广义线性模型（GLM）归属统计学领域，是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。
术语 广义线性模型（GLM）通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归，以及方差分析和方差分析（仅含固定效应）。
有限元方法代写
有限元方法（FEM）是一种流行的方法，用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。
有限元是一种通用的数值方法，用于解决两个或三个空间变量的偏微分方程（即一些边界值问题）。为了解决一个问题，有限元将一个大系统细分为更小、更简单的部分，称为有限元。这是通过在空间维度上的特定空间离散化来实现的，它是通过构建对象的网格来实现的：用于求解的数值域，它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统，以模拟整个问题。然后，有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。
tatistics-lab作为专业的留学生服务机构，多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务，包括但不限于Essay代写，Assignment代写，Dissertation代写，Report代写，小组作业代写，Proposal代写，Paper代写，Presentation代写，计算机作业代写，论文修改和润色，网课代做，exam代考等等。写作范围涵盖高中，本科，研究生等海外留学全阶段，辐射金融，经济学，会计学，审计学，管理学等全球99%专业科目。写作团队既有专业英语母语作者，也有海外名校硕博留学生，每位写作老师都拥有过硬的语言能力，专业的学科背景和学术写作经验。我们承诺100%原创，100%专业，100%准时，100%满意。
随机分析代写
随机微积分是数学的一个分支，对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。
时间序列分析代写
随机过程，是依赖于参数的一组随机变量的全体，参数通常是时间。 随机变量是随机现象的数量表现，其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中，往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录，以得到其自身发展的规律。
回归分析代写
多元回归分析渐进（Multiple Regression Analysis Asymptotics）属于计量经济学领域，主要是一种数学上的统计分析方法，可以分析复杂情况下各影响因素的数学关系，在自然科学、社会和经济学等多个领域内应用广泛。
MATLAB代写
MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习和应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。