Methoden für Trendlinien

In der letzten Übung hast du die Standardfunktion geom_smooth() von ggplot2 verwendet. In dieser Übung nutzt du stattdessen ein glm(). So kannst du eine logistische Regression mit ggplot2 „sichtbar“ machen. Konkret plottest du die Wahrscheinlichkeit, dass jemand den Bus nimmt, in Abhängigkeit von der Pendelstrecke.

Du musst geom_smooth() anweisen, die Methode glm() zu verwenden. Erinnere dich aus Kapitel 2: Die Standardfamilie für ein glm() ist die Gaußsche Familie, die die gleichen Ergebnisse liefert wie ein lm(). Daher musst du auch das Methodenargument aus glm() angeben. Der Code zum Erstellen von gg_jitter, den du in der letzten Übung gebaut hast, wurde dir bereitgestellt.

Diese Übung ist Teil des Kurses

Generalisierte lineare Modelle in R

Kurs anzeigen

Anleitung zur Übung

Verwende die Methode "glm" mit geom_smooth().
Setze mit method.args die family auf 'binomial'.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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(___))

Code bearbeiten und ausführen