Eu estou tentando entender como opredict.loess função é capaz de calcular novos valores previstos (y_hat) em pontosx que não existem nos dados originais. Por exemplo (este é um exemplo simples e percebo que loess obviamente não é necessário para um exemplo desse tipo, mas ilustra o ponto):

x <- 1:10
y <- x^2
mdl <- loess(y ~ x)
predict(mdl, 1.5)
[1] 2.25

loess regressão funciona usando polinômios em cadax e assim cria um preditoy_hat em caday. No entanto, como não há coeficientes sendo armazenados, o "modelo" neste caso é simplesmente os detalhes do que foi usado para prever caday_hat, por exemplo, ospan oudegree. Quando eu façopredict(mdl, 1.5), como épredict capaz de produzir um valor neste novox? É interpolando entre dois mais próximos existentesx valores e seus associadosy_hat? Se sim, quais são os detalhes por trás de como isso está sendo feito?

Eu li ocloess documentação on-line, mas não consigo encontrar onde discute isso.