Ajustar curva suave a gráfico de datos en R

En este artículo, aprenderemos sobre el concepto de ajustar una curva suave a la gráfica de datos en Programación R. El suavizado es un concepto importante en el análisis de datos. También se conoce como ajuste de curvas y filtrado de paso bajo. El método no paramétrico más común utilizado para suavizar es la función loess(). Loess es una abreviatura de Regresión local que se usa para ajustar regresiones múltiples en los vecindarios locales. El argumento span se utiliza para controlar el tamaño de la vecindad. El tamaño oscila entre 0 y 1. Cuanto mayor sea el valor de amplitud, más suave será la curva ajustada.

Uso de la función Loess(): La función Loess() se usa en un vector numérico para suavizarlo. También se utiliza para predecir la Y localmente.

Sintaxis: loess(y ~ x)

Retorno: suaviza la curva para trazar datos 

Ejemplo 1: a continuación se muestra una implementación para ajustar una curva suave a un gráfico:

# Create example data
set.seed(159632)             
x <- 1:80
y <- sort(rnorm(80))
  
# Apply loess function
values <- loess(y ~ x)    
plot(x, y)                      
lines(predict(values),
      col = "blue",
      lwd = 2)

Producción:

En el ejemplo anterior, la función loess() se usa para ajustar una curva suave en la trama. El parámetro lwd se utiliza para especificar el tipo de línea de la curva suave. Los argumentos x e y se utilizan para proporcionar coordinación a la trama. La función loess luego establecerá una curva suave en la gráfica.

Ejemplo 2: Otro ejemplo se ilustra usando la función loess():

x <- c(7  ,5,  2,  9,  1,  9,  17,  8,  9, 10)
y <- c(12, 14, 16, 18, 20, 2,  4,  6,  8,  7 )
values <- loess(y ~ x)
  
plot(x, y)
lines(predict(values), col = 'red', lwd = 2)

Producción: 

En el ejemplo anterior, se trazan los valores de los ejes X e Y. La curva suave se ajusta utilizando la función loess. La predicción será una array de las dimensiones apropiadas en una curva ajustada suave.