LoslegenKostenlos loslegen

Begrenzte Vorhersagen

Die Funktion glm() wird verwendet, weil du eine Reaktionsfunktion brauchst, die die Modellvorhersagen zwischen null und eins begrenzt. Lass uns diesen Effekt in einem Diagramm veranschaulichen. Dieses Mal musst du jedoch eine Kurve zeichnen (statt einer Geraden)!

Du beginnst damit, die Beziehung HOPPINESS ~ price.ratio zu plotten. Die logistische Funktion kannst du mit curve() in die Grafik einfügen. Die Funktion curve() dient dazu, eine andere Funktion an x Datenpunkten auszuwerten. Hier ist diese Funktion predict()! Die Funktion predict() holt die Koeffizienten des logistic.model, um Vorhersagen für Werte zu treffen, die in einem Data-Frame-Objekt bereitgestellt werden. Der Trick besteht darin, price.ratio = x im Argument data.frame zu setzen. So wird eine Kurve durch die vorhergesagten Datenwerte gelegt.

Diese Übung ist Teil des Kurses

Response-Modelle in R erstellen

Kurs anzeigen

Anleitung zur Übung

  • Stelle die Beziehung zwischen HOPPINESS und price.ratio mit der Funktion plot() dar.
  • Ermittle die Kaufwahrscheinlichkeiten für Hoppiness, indem du die Funktion predict() auf logistic.model anwendest und price.ratio im Data-Frame-Argument übergibst.
  • Lege mit der Funktion curve() eine Kurve durch die vorhergesagten Datenwerte.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Plot HOPPINESS against price.ratio
___(___, data = choice.data)

# Add the logistic response function
___(___(___, data.frame(___), type = "response"), add = TRUE)
Code bearbeiten und ausführen