Maj\u0105c dwie znane warto\u015bci (x 1<\/sub> , y 1<\/sub> ) i (x 2<\/sub> , y 2<\/sub> ), mo\u017cemy oszacowa\u0107 warto\u015b\u0107 y dla punktu x za pomoc\u0105 nast\u0119puj\u0105cego wzoru:<\/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 Poni\u017cszy przyk\u0142ad pokazuje, jak wykona\u0107 interpolacj\u0119 liniow\u0105 w R.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych z warto\u015bciami x i y w R:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 poni\u017cszego kodu, aby utworzy\u0107 wykres rozrzutu w celu wizualizacji warto\u015bci (x, y) w ramce danych:<\/span> <\/p>\n Za\u0142\u00f3\u017cmy teraz, \u017ce chcemy znale\u017a\u0107 warto\u015b\u0107 y powi\u0105zan\u0105 z now\u0105 warto\u015bci\u0105 x wynosz\u0105c\u0105 13<\/strong> .<\/span><\/p>\n Mo\u017cemy w tym celu u\u017cy\u0107 funkcji przybli\u017c()<\/strong> w R:<\/span><\/p>\n Oszacowana warto\u015b\u0107 y wynosi 33,5<\/strong> .<\/span><\/p>\n Je\u015bli dodamy do naszego wykresu punkt (13, 33.5), wydaje si\u0119, \u017ce ca\u0142kiem dobrze pasuje on do funkcji:<\/span> <\/p>\n Mo\u017cemy u\u017cy\u0107 tego dok\u0142adnego wzoru do przeprowadzenia interpolacji liniowej dla dowolnej nowej warto\u015bci x.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w j\u0119zyku R:<\/span><\/p>\n Jak rozwi\u0105za\u0107 uk\u0142ad r\u00f3wna\u0144 w R<\/a> Interpolacja liniowa to proces szacowania nieznanej warto\u015bci funkcji pomi\u0119dzy dwiema znanymi warto\u015bciami. Maj\u0105c dwie znane warto\u015bci (x 1 , y 1 ) i (x 2 , y 2 ), mo\u017cemy oszacowa\u0107 warto\u015b\u0107 y dla punktu x za pomoc\u0105 nast\u0119puj\u0105cego wzoru: y = y 1 + (xx 1 ) (y 2 -y 1 )\/(x 2 -x […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3151","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: interpolacja liniowa w 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![\"interpolacja](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lineairer2.jpg\")
<\/p>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak przewidzie\u0107 warto\u015bci w R za pomoc\u0105 modelu regresji wielokrotnej<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"