Main Content

La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.

Suavizado lowess

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

En la app Curve Fitting, seleccione Lowess en la lista de tipos de modelos.

Puede usar el tipo de modelos Lowess para ajustar superficies suaves a los datos con los métodos lowess o loess. Los ajustes Lowess usan una regresión lineal ponderada localmente para suavizar los datos.

Puede especificar las siguientes opciones:

  • Seleccione Linear o Quadratic en la lista para especificar el tipo de modelo Polynomial que va a usar en la regresión. En Curve Fitting Toolbox™, el ajuste lowess usa un polinomio lineal, mientras que el ajuste loess usa un polinomio cuadrático.

  • Use Span para especificar el lapso como un porcentaje del número total de puntos de datos en el conjunto de datos. La toolbox determina cada valor suavizado mediante los puntos de datos vecinos definidos dentro del lapso. Esta función de los datos vecinos es el motivo por el que el proceso 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.

  • El método de ajuste lineal de mínimos cuadrados Robust que desea usar (Off, LAR o Bisquare). La regresión local usa la opción Robust. La opción Robust es una función de ponderación que puede conseguir que el proceso sea resistente a valores atípicos. Para obtener más información, consulte Robust en la página de referencia de fitoptions.

Sugerencia

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

Para ver un ejemplo interactivo que use lowess, consulte Surface Fitting to Franke Data.

Ajustar modelos lowess con la función fit

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)

Para ver un ejemplo de línea de comandos que use lowess, consulte Fit Smooth Surfaces To Investigate Fuel Efficiency.

Consulte también

Temas relacionados