Suavizado lowess

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Acerca del suavizado lowess

Use modelos lowess para ajustar superficies suaves a los datos. Los nombres "lowess" y "loess" derivan del término en inglés "locally weighted scatter plot smooth" (suavizado de gráfica de dispersión ponderada localmente), ya que ambos métodos utilizan regresión lineal ponderada localmente para suavizar datos. El proceso es ponderado porque la toolbox define una función de regresión ponderada para los puntos de datos contenidos dentro del lapso. Además de la función de regresión ponderada, puede usar la opción Robust que es una función de ponderación que puede conseguir que el proceso sea resistente a valores atípicos.

Para obtener más información sobre estos dos tipos de ajuste de suavizado, consulte Suavizado de regresión local.

Seleccionar un ajuste lowess de forma interactiva

Abra la app Curve Fitter escribiendo curveFitter en la línea de comandos de MATLAB^®. También puede hacer clic en Curve Fitter dentro del grupo Math, Statistics and Optimization de la pestaña Apps.

En la pestaña Curve Fitter, en la sección Fit Type, seleccione un ajuste Lowess. La app usa una regresión lineal ponderada localmente para suavizar los datos.

En el panel Fit Options, puede probar distintas opciones de ajuste.

Fit Options pane for lowess fit

Puede especificar el modelo Polynomial de regresión como Linear o Quadratic.
Puede usar Span para especificar el lapso como un porcentaje del número total de puntos de datos en el conjunto de datos. La app determina cada valor suavizado mediante los puntos de datos vecinos definidos dentro del lapso. Este proceso de suavizado se considera "local".
Sugerencia
Aumente el lapso para que la superficie sea más suave. Reduzca el lapso para que la superficie se aproxime más a los datos.
Puede especificar el método de ajuste lineal de mínimos cuadrados Robust en Off, LAR o Bisquare. La regresión local usa la opción Robust. La opción Robust es una función de ponderación que puede conseguir que el suavizado sea resistente a valores atípicos. Para obtener más detalles, consulte el argumento nombre-valor Robust de la función fitoptions.

Sugerencia

Si las variables de datos tienen escalas muy diferentes, marque y desmarque la casilla de verificación Center and scale para ver la diferencia de ajuste. Normalizar las variables puede influir mucho en los resultados de un ajuste lowess.

Para ver un ejemplo de cómo crear un ajuste lowess de forma interactiva, consulte Surface Fitting to Franke Data.

Ajustar modelos lowess con la función `fit`

Abrir script en vivo

Este ejemplo muestra cómo utilizar la función fit para ajustar un modelo lowess a los datos.

Cargue algunos datos y ajuste un modelo lowess especificando 'lowess' al llamar a la función fit.

load franke
f = fit([x y],z,'lowess')

     Locally weighted smoothing linear regression:
       f(x,y) = lowess (linear) smoothing regression computed from p
     Coefficients:
       p = coefficient structure

plot(f,[x y],z)

Figure contains an axes object. The axes object contains 2 objects of type surface, line. One or more of the lines displays its values using only markers