Интерполировать значения NA

У меня есть два набора выборок, которые не зависят от времени. Я хотел бы объединить их и вычислить недостающие значения для тех случаев, когда у меня нет значений обоих. Упрощенный пример:

A <- cbind(time=c(10, 20, 30, 40, 50, 60, 70, 80, 90, 100),
           Avalue=c(1, 2, 3, 2, 1, 2, 3, 2, 1, 2))
B <- cbind(time=c(15, 30, 45, 60), Bvalue=c(100, 200, 300, 400))
C <- merge(A,B, all=TRUE)

   time Avalue Bvalue
1    10      1     NA
2    15     NA    100
3    20      2     NA
4    30      3    200
5    40      2     NA
6    45     NA    300
7    50      1     NA
8    60      2    400
9    70      3     NA
10   80      2     NA
11   90      1     NA
12  100      2     NA

Предполагая линейное изменение между каждым образцом, можно вычислить недостающие значения NA. Интуитивно легко видеть, что значение А в моменты времени 15 и 45 должно составлять 1,5. Но правильный расчет для B например, в момент времени 20 было бы

100 + (20 - 15) * (200 - 100)/(30 - 15)

что равно 133.33333. Первая скобка - это время между временем оценки и доступным последним образцом. Вторая скобка - это разница между ближайшими выборками. Третья скобка - это время между ближайшими выборками.

Как я могу использовать R для вычисления значений NA?

Ответ 1

Использование пакета zoo:

library(zoo)
Cz <- zoo(C)
index(Cz) <- Cz[,1]
Cz_approx <- na.approx(Cz)

Ответ 2

Правильный способ сделать это статистически и по-прежнему получать достоверные доверительные интервалы - использовать множественное вменение. См. Рубин классический книга, и там отличный R пакет для этого (mi).