Metody pro trendové linie

V předchozím cvičení jsi používal/a výchozí geom_smooth() z ggplot2. V tomto cvičení místo toho použiješ glm(). To ti umožní „zobrazit" logistickou regresi pomocí ggplot2. Konkrétně vykreslíš pravděpodobnost, že někdo pojede autobusem, v závislosti na délce dojíždění.

Musíš říct funkci geom_smooth(), aby použila metodu glm(). Vzpomeň si z kapitoly 2, že výchozí rodina pro glm() je gaussovská, která dává stejné výsledky jako lm(). Proto budeš muset zadat také argument method z glm().
Kód pro vytvoření gg_jitter, který jsi sestavil/a v minulém cvičení, je už připraven.

Toto cvičení je součástí kurzu

Zobecněné lineární modely v R

Zobrazit kurz

Pokyny k cvičení

Použij metodu "glm" s geom_smooth().
Pomocí method.args nastav rodinu na 'binomial'.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a jittered plot of MilesOneWay vs Bus2 using the bus dataset
gg_jitter <- ggplot(data = bus, aes(x = MilesOneWay, y = Bus2)) + 
	geom_jitter(width = 0, height = 0.05) +
	ylab("Probability of riding the bus") +
	xlab("One-way commute trip (in miles)")

# Add a geom_smooth() that uses a GLM method to your plot
gg_jitter + geom_smooth(method =  ___ , method.args = list(___))

Upravit a spustit kód