Korrelation und Visualisierung

Du sollst herausfinden, ob die tägliche Zeit, die Personen mit der Suche auf der gegebenen Website verbringen (TimeSearching), mit der täglichen Internetnutzungszeit (Time) zusammenhängt, ohne Gruppen zu berücksichtigen. Prüfe die Annahmen von Linearität und Normalverteilung, um die passende Korrelation und die Power-Analyse für den gegebenen Datensatz durchzuführen.

Der Datensatz webdata sowie die benötigten Pakete pwr und ggplot2 wurden bereits geladen.

Diese Übung ist Teil des Kurses

A/B-Tests in R

Kurs anzeigen

Anleitung zur Übung

Erstelle ein Streudiagramm der Variablen, mit TimeSearching auf der x-Achse und Time auf der y-Achse.
Prüfe die Normalitätsannahme von TimeSearching und Time.
Führe die passende Korrelation mit TimeSearching als x und Time als y aus dem Datensatz webdata aus, speichere sie in Rcor, um zu prüfen, ob die Nullhypothese verworfen werden kann.
Führe eine Power-Analyse der Korrelation durch und nutze dabei verfügbare Werte aus Rcor, um festzustellen, ob der Korrelations-Test zuverlässig ist; die Stichprobengröße des Datensatzes beträgt 100

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create a scatter plot relevant to the analyses
ggplot(___, aes(x = ___, y = ___)) + 
	___

# Assess the normality assumption
___
___

# Run the appropriate correlation
Rcor <- cor.test(___)

# Run a power analysis on the correlation
pwr.r.test(___)

Code bearbeiten und ausführen