Bei zwei bekannten Werten (x 1<\/sub> , y 1<\/sub> ) und (x 2<\/sub> , y 2<\/sub> ) k\u00f6nnen wir den y-Wert f\u00fcr einen Punkt x mithilfe der folgenden Formel sch\u00e4tzen:<\/span><\/p>\n y = y 1<\/sub> + (xx 1<\/sub> )(y 2<\/sub> -y 1<\/sub> )\/(x 2<\/sub> -x 1<\/sub> )<\/span><\/p>\n Das folgende Beispiel zeigt, wie eine lineare Interpolation in R durchgef\u00fchrt wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Datenrahmen mit x- und y-Werten in R:<\/span><\/p>\n Mit dem folgenden Code k\u00f6nnen wir ein Streudiagramm erstellen, um die (x,y)-Werte im Datenrahmen zu visualisieren:<\/span> <\/p>\n Nehmen wir nun an, wir m\u00f6chten den y-Wert ermitteln, der einem neuen x-Wert von 13<\/strong> zugeordnet ist.<\/span><\/p>\n Wir k\u00f6nnen dazu die Funktion approx()<\/strong> in R verwenden:<\/span><\/p>\n Der gesch\u00e4tzte y-Wert betr\u00e4gt 33,5<\/strong> .<\/span><\/p>\n Wenn wir den Punkt (13, 33.5) zu unserem Diagramm hinzuf\u00fcgen, scheint er recht gut mit der Funktion \u00fcbereinzustimmen:<\/span> <\/p>\n Wir k\u00f6nnen genau diese Formel verwenden, um eine lineare Interpolation f\u00fcr jeden neuen x-Wert durchzuf\u00fchren.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in R ausf\u00fchren:<\/span><\/p>\n So l\u00f6sen Sie ein Gleichungssystem in R<\/a> Bei der linearen Interpolation wird ein unbekannter Wert einer Funktion zwischen zwei bekannten Werten gesch\u00e4tzt. Bei zwei bekannten Werten (x 1 , y 1 ) und (x 2 , y 2 ) k\u00f6nnen wir den y-Wert f\u00fcr einen Punkt x mithilfe der folgenden Formel sch\u00e4tzen: y = y 1 + (xx 1 )(y 2 -y […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel: lineare Interpolation in R<\/strong><\/span><\/h3>\n
#define data frame\n<\/span>df <- data. frame<\/span> (x=c(2, 4, 6, 8, 10, 12, 14, 16, 18, 20),\n y=c(4, 7, 11, 16, 22, 29, 38, 49, 63, 80))\n\n#view data frame\n<\/span>df\n\n xy\n1 2 4\n2 4 7\n3 6 11\n4 8 16\n5 10 22\n6 12 29\n7 14 38\n8 16 49\n9 18 63\n10 20 80<\/strong><\/pre>\n #create scatterplot<\/span>\nplot(df$x, df$y, col=' blue<\/span> ', pch= 19<\/span> )\n<\/span><\/span><\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lineairer1.jpg\")
<\/p>\n #fit linear regression model using data frame<\/span>\nmodel <- lm(y ~ x, data = df)\n\n#interpolate y value based on x value of 13\n<\/span>y_new = approx(df$x, df$y, xout= 13<\/span> )\n\n#view interpolated y value\n<\/span>y_new\n\n$x\n[1] 13\n\n$y\n[1] 33.5\n<\/strong><\/span><\/pre>\n #create scatterplot\n<\/span>plot(df$x, df$y, col=' blue<\/span> ', pch= 19<\/span> )\n\n#add the predicted point to the scatterplot\n<\/span>points(13, y_new$y, col=' red<\/span> ', pch= 19<\/span> )\n<\/span><\/span><\/strong><\/pre>\n![\"lineare](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lineairer2.jpg\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So vorhersagen Sie Werte in R mithilfe eines multiplen Regressionsmodells<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"