<\/p>\n
La funzione abline()<\/strong> in R pu\u00f2 essere utilizzata per aggiungere una o pi\u00f9 linee rette a un grafico in R.<\/span><\/p>\n Questa funzione utilizza la seguente sintassi:<\/span><\/p>\n abline(a=NULL, b=NULL, h=NULL, v=NULL, \u2026)<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n I seguenti esempi mostrano come utilizzare questa funzione nella pratica.<\/span><\/p>\n Il codice di base per aggiungere una linea orizzontale a un grafico in R \u00e8: abline(h = qualche valore)<\/strong><\/span><\/p>\n Supponiamo di avere il seguente diagramma a dispersione che mostra i valori di<\/em> xey<\/em> in un set di dati:<\/span><\/p>\n Per aggiungere una linea orizzontale al valore y = 20, possiamo usare il seguente codice:<\/span><\/p>\n Il codice seguente illustra come aggiungere una linea orizzontale continua al valore medio di y<\/em> e due linee tratteggiate orizzontali una deviazione standard sopra e sotto il valore medio:<\/span><\/p>\n Il codice di base per aggiungere una linea verticale a un grafico in R \u00e8: abline(v = qualche valore)<\/strong><\/span><\/p>\n Il codice seguente mostra come aggiungere una linea verticale al valore medio su un istogramma:<\/span><\/p>\n Il codice di base per aggiungere una semplice linea di regressione lineare a un grafico in R \u00e8: abline(model)<\/strong><\/span><\/p>\n Il codice seguente mostra come aggiungere una linea di regressione lineare adattata a un grafico a dispersione:<\/span><\/p>\n Tieni presente che abbiamo semplicemente bisogno di un valore per l’intercetta e la pendenza per adattare una semplice linea di regressione lineare ai dati utilizzando la funzione abline().<\/span><\/p>\n Quindi, un altro modo per utilizzare abline()<\/strong> per aggiungere una linea di regressione \u00e8 specificare esplicitamente i coefficienti originali e di pendenza del modello di regressione:<\/span><\/p>\n Nota che questo produce la stessa linea di prima.<\/span><\/p>\n Puoi trovare altri tutorial su R in questa pagina .<\/span><\/p>\n","protected":false},"excerpt":{"rendered":" La funzione abline() in R pu\u00f2 essere utilizzata per aggiungere una o pi\u00f9 linee rette a un grafico in R. Questa funzione utilizza la seguente sintassi: abline(a=NULL, b=NULL, h=NULL, v=NULL, \u2026) Oro: a, b: valori univoci che specificano l’origine e la pendenza della linea h: il valore y per la linea orizzontale v: il valore […]<\/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\n
Come aggiungere linee orizzontali<\/strong><\/span><\/h2>\n
#define dataset\n<\/span>data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),\n y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))\n\n#plot x<\/em> and y<\/em> values in dataset\n<\/span>plot(data$x, data$y, pch = 16)<\/strong><\/pre>\n abline(h = 20, col = 'coral2', lwd = 2)<\/strong><\/pre>\n
#create scatterplot for x<\/em> and y<\/em><\/span>\nplot(data$x, data$y, pch = 16)\n\n#create horizontal line at mean value of y<\/em>\n<\/span>abline(h = mean(data$y), lwd = 2)\n\n#create horizontal lines at one standard deviation above and below the mean value\n<\/span>abline(h = mean(data$y) + sd(data$y), col = 'steelblue', lwd = 3, lty = 2)\nabline(h = mean(data$y) - sd(data$y), col = 'steelblue', lwd = 3, lty = 2)<\/strong><\/pre>\n Come aggiungere linee verticali<\/strong><\/span><\/h2>\n
#make this example reproducible\n<\/span>set.seed(0)\n\n#create dataset with 1000 random values normally distributed with mean = 10, sd = 2\n<\/span>data <- rnorm(1000, mean = 10, sd = 2)\n\n#create histogram of data values\n<\/span>hist(data, col = 'steelblue')\n\n#draw a vertical dashed line at the mean value\n<\/span>abline(v = mean(data), lwd = 3, lty = 2)<\/strong><\/pre>\n Come aggiungere linee di regressione<\/strong><\/span><\/h2>\n
#define dataset\n<\/span>data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),\n y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))\n\n#create scatterplot of x<\/em> and y<\/em> values\n<\/span>plot(data$x, data$y, pch = 16)\n\n#fit a linear regression model to the data\n<\/span>reg_model <- lm(y ~ x, data = data)\n\n#add the fitted regression line to the scatterplot\n<\/span>abline(reg_model, col=\"steelblue\")<\/strong><\/pre>\n #define dataset\n<\/span>data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),\n y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))\n\n#create scatterplot of x<\/em> and y<\/em> values\n<\/span>plot(data$x, data$y, pch = 16)\n\n#fit a linear regression model to the data\n<\/span>reg_model <- lm(y ~ x, data = data)\n\n#define intercept and slope values\n<\/span>a <- coefficients(reg_model)[1] #intercept<\/span>\nb <- coefficients(reg_model)[2] #slope<\/span>\n\n#add the fitted regression line to the scatterplot\n<\/span>abline(a=a, b=b, col=\"steelblue\")<\/strong><\/pre>\n
\n