Gegeven twee bekende waarden (x 1<\/sub> , y 1<\/sub> ) en (x 2<\/sub> , y 2<\/sub> ), kunnen we de y-waarde voor een punt x schatten met behulp van de volgende formule:<\/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 Het volgende voorbeeld laat zien hoe u lineaire interpolatie in R uitvoert.<\/span><\/p>\n Stel dat we het volgende dataframe hebben met x- en y-waarden in R:<\/span><\/p>\n We kunnen de volgende code gebruiken om een spreidingsdiagram te maken om de (x,y)-waarden in het dataframe te visualiseren:<\/span> <\/p>\n Stel nu dat we de y-waarde willen vinden die geassocieerd is met een nieuwe x-waarde van 13<\/strong> .<\/span><\/p>\n We kunnen hiervoor de functie approx()<\/strong> in R gebruiken:<\/span><\/p>\n De geschatte y-waarde blijkt 33,5<\/strong> te zijn.<\/span><\/p>\n Als we het punt (13, 33.5) aan onze grafiek toevoegen, lijkt het vrij goed overeen te komen met de functie:<\/span> <\/p>\n We kunnen deze exacte formule gebruiken om lineaire interpolatie uit te voeren voor elke nieuwe x-waarde.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe een stelsel vergelijkingen in R op te lossen<\/a> Lineaire interpolatie is het proces waarbij een onbekende waarde van een functie wordt geschat tussen twee bekende waarden. Gegeven twee bekende waarden (x 1 , y 1 ) en (x 2 , y 2 ), kunnen we de y-waarde voor een punt x schatten met behulp van de volgende formule: y = y 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":[],"class_list":["post-3153","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld: lineaire interpolatie 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![\"lineaire](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lineairer2.jpg\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe waarden in R te voorspellen met behulp van een meervoudig regressiemodel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"