Dati due valori noti (x 1<\/sub> , y 1<\/sub> ) e (x 2<\/sub> , y 2<\/sub> ), possiamo stimare il valore y per un punto x utilizzando la seguente formula:<\/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 L’esempio seguente mostra come eseguire l’interpolazione lineare in R.<\/span><\/p>\n Supponiamo di avere il seguente frame di dati con valori xey in R:<\/span><\/p>\n Possiamo utilizzare il seguente codice per creare un grafico a dispersione per visualizzare i valori (x,y) nel frame di dati:<\/span> <\/p>\n Supponiamo ora di voler trovare il valore y associato a un nuovo valore x di 13<\/strong> .<\/span><\/p>\n Possiamo usare la funzione approx()<\/strong> in R per fare questo:<\/span><\/p>\n Il valore y stimato risulta essere 33,5<\/strong> .<\/span><\/p>\n Se aggiungiamo il punto (13, 33.5) al nostro grafico, sembra corrispondere abbastanza bene alla funzione:<\/span> <\/p>\n Possiamo usare questa formula esatta per eseguire l’interpolazione lineare per qualsiasi nuovo valore x.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come risolvere un sistema di equazioni in R<\/a> L’interpolazione lineare \u00e8 il processo di stima di un valore sconosciuto di una funzione tra due valori noti. Dati due valori noti (x 1 , y 1 ) e (x 2 , y 2 ), possiamo stimare il valore y per un punto x utilizzando la seguente formula: y = y 1 + (xx 1 […]<\/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 Esempio: interpolazione lineare 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![\"interpolazione](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lineairer2.jpg\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come prevedere i valori in R utilizzando un modello di regressione multipla<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"