Como realizar suavização fraca em r (passo a passo)
Nas estatísticas, o termo lowess refere-se à “suavização de nuvens de pontos ponderadas localmente” – o processo de produção de uma curva suave que corresponde aos pontos de dados em uma nuvem de pontos.
Para realizar suavização lowess em R, podemos usar a função lowess() , que usa a seguinte sintaxe:
inferior (x, y, f = 2/3)
Ouro:
- x: um vetor numérico de valores de x.
- y: um vetor numérico de valores de y.
- f: o valor da extensão mais suave. Isto fornece a proporção de pontos no gráfico que influencia a suavização em cada valor. Valores mais altos resultam em mais suavidade.
O exemplo passo a passo a seguir mostra como realizar suavização fraca para um determinado conjunto de dados em R.
Etapa 1: crie os dados
Primeiro, vamos criar um conjunto de dados falso:
df <- data. frame (x=c(1, 1, 2, 2, 3, 4, 6, 6, 7, 8, 10, 11, 11, 12, 13, 14), y=c(4, 7, 9, 10, 14, 15, 19, 16, 17, 21, 22, 34, 44, 40, 43, 45))
Etapa 2: plotar os dados
A seguir, vamos representar graficamente os valores x e y do conjunto de dados:
plot(df$x, df$y)
Etapa 3: desenhe a curva mínima
A seguir, vamos traçar a curva de suavização mais fraca nos pontos do gráfico de dispersão:
#create scatterplot plot(df$x, df$y) #add lowess smoothing curve to plot lines(lowess(df$x, df$y), col=' red ')
Etapa 4: ajustar o alcance mais suave (opcional)
Também podemos ajustar o argumento f na função lowess() para aumentar ou diminuir o valor usado para uma extensão mais suave.
Observe que quanto maior o valor fornecido, mais suave será a curva inferior.
#create scatterplot plot(df$x, df$y) #add lowess smoothing curves lines(lowess(df$x, df$y), col=' red ') lines(lowess(df$x, df$y, f=0.3), col=' purple ') lines(lowess(df$x, df$y, f=3), col=' steelblue ') #add legend to plot legend(' topleft ', col = c(' red ', ' purple ', ' steelblue '), lwd = 2, c(' Smoother = 1 ', ' Smoother = 0.3 ', ' Smoother = 3 '))
Recursos adicionais
Como traçar múltiplas linhas em um gráfico em R
Como criar um gráfico de dispersão com linha de regressão em R
Como realizar regressão polinomial em R