Rの適合モデル（すなわち、クラス 'lm'、 'glm'、 'merMod'などのオブジェクト）を仮定すると、新しいデータセットの確率。適合モデル下の新しいデータセットの確率（密度）
つまり、モデルをデータセットAにフィッティングすることによって得られたパラメータ推定値の下で、データセットBの確率（密度）を求めます。これを一般的に行う方法はわかっていますが、私は単純な既存関数Rでこれを行うことができます。これを行う簡単な関数はありますか？
This questionは非常に似ていますが、私はあなたがフィット感がある線形モデルの残差を想定し、可能性を判断し、可視化するために、次の機能を使用することができ、線形回帰モデルlmのためにR.
でこれをやりたいです正規分布（これらの機能はthis R Blogger Postから適合させた。手順の理論的根拠は、this postに見出すことができる）：
log_lik <- function(beta0, beta1, mu, sigma) {
## beta0 and beta1 require intial guesses
R <- y - x * beta1 - beta0
R <- dnorm(R, mu, sigma, log=T)
return(-sum(R))
}
library(stats4)
fit <- mle(log_lik, start=list(beta0=4, beta1=2, mu = 0, sigma=1))
summary(fit)
## mu will be your estimated likelihood
## sigma will be uncertainty
glmについて、this post in Cross Validated尤度のユーザ定義Rの機能を提供します。
（ps：lm,glmなどの特定の例を提供できればうれしいです。これらのモデルを一般的に知りたいのであれば、クロス検証、数学、またはデータサイエンスのほうがよいかもしれません尋ねる）