ComenzarEmpieza gratis

Predicciones acotadas

Se usa la función glm() porque necesitas una función de respuesta que acote las predicciones del modelo entre cero y uno. Vamos a ilustrar este efecto en un gráfico. Pero esta vez, ¡necesitas dibujar una curva (en lugar de una recta)!

Empieza representando la relación HOPPINESS ~ price.ratio. Puedes añadir la función logística al gráfico usando curve(). La función curve() se utiliza para evaluar otra función en puntos de datos x. Aquí, esa función es predict()! La función predict() recupera los coeficientes de logistic.model para hacer predicciones sobre algunos valores proporcionados en un objeto data frame. El truco está en establecer price.ratio = x en el argumento data.frame. Esto ajusta una curva a través de los valores de datos predichos.

Este ejercicio forma parte del curso

Creación de modelos de respuesta en R

Ver curso

Instrucciones del ejercicio

  • Muestra la relación entre HOPPINESS y price.ratio usando la función plot().
  • Obtén las probabilidades de compra para Hoppiness aplicando la función predict() sobre logistic.model con price.ratio en el argumento del data frame.
  • Ajusta una curva a través de los valores de datos predichos utilizando la función curve().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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

# Add the logistic response function
___(___(___, data.frame(___), type = "response"), add = TRUE)
Editar y ejecutar código