Lineare Modelle anpassen
Wenn deine zukünftige Rolle das Erstellen von Vorhersagemodellen umfasst, möchte der Interviewer vielleicht dein Wissen über die lineare Regression testen.
Lineare Regressionsmodelle sind eine der grundlegenden Methoden, um Werte für linear zusammenhängende Daten vorherzusagen. Ein lineares Regressionsmodell setzt Normalverteilung und Homoskedastizität der Fehler voraus. Wenn du im Interview ein lineares Regressionsmodell anpasst, achte darauf, dass diese Annahmen erfüllt sind.
Du kennst den Datensatz cats bereits. Der Datensatz steht dir in deiner Umgebung zur Verfügung.
Um eine Regressionsgerade zum Plot hinzuzufügen, kannst du abline() auf das Objekt eines linearen Modells anwenden.
Diese Übung ist Teil des Kurses
<Kurs>Statistik-Interviewfragen in R üben</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Draw the scatterplot
___(___ ~ ___, data = ___)
# Fit the linear model
model <- ___(___ ~ ___, data = ___)
# Add the regression line
___(model)