Métodos para líneas de tendencia

En el ejercicio anterior, usaste el geom_smooth() predeterminado de ggplot2. En este ejercicio, usarás un glm() en su lugar. Esto te permitirá “ver” una regresión logística con ggplot2. En concreto, vas a representar la probabilidad de que alguien vaya en autobús en función de la distancia de su desplazamiento.

Tendrás que indicar a geom_smooth() que use el método glm(). Recuerda del Capítulo 2 que la familia por defecto de un glm() es la gaussiana, que produce los mismos resultados que un lm(). Por tanto, también tendrás que especificar el argumento de método de glm(). El código para crear gg_jitter, que construiste en el ejercicio anterior, ya está disponible para ti.

Este ejercicio forma parte del curso

Modelos Lineales Generalizados en R

Ver curso

Instrucciones del ejercicio

Usa el método "glm" con geom_smooth().
Con method.args, establece la familia a 'binomial'.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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(___))

Editar y ejecutar código