Salida de la regresión: ejemplo I
El siguiente código ofrece dos métodos equivalentes para calcular las partes más importantes de la salida de un modelo lineal. Recuerda que el valor p es la probabilidad de los datos observados (o más extremos) dado que la hipótesis nula es verdadera. Como en otras situaciones de inferencia, necesitarás la distribución muestral de la estadística (aquí, la pendiente) asumiendo que la hipótesis nula es cierta. Generarás la distribución muestral nula en capítulos posteriores, pero por ahora, asume que esa distribución es correcta. Además, fíjate en que el error estándar de las estimaciones de la pendiente y la intersección describe la variabilidad de esas estimaciones.
Este ejercicio forma parte del curso
Inferencia para la regresión lineal en R
Instrucciones del ejercicio
- Carga el paquete
mosaicDatay los datosRailTrail. Los datos deRailTrailcontienen información sobre el número de usuarios de una vía verde en Florence, MA, y el clima de cada día. - Usando la función
lm(), ajusta un modelo lineal que regrese elvolumede ciclistas sobre lahightempdel día. Asigna la salida delm()al objetoride_lm. - Usa la función
summary()sobre la salida del modelo lineal para ver el análisis inferencial (incluido el valor p de la pendiente). - Además, aplica
tidy()a la salida del modelo lineal para facilitar su uso más adelante.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Load the mosaicData package and the RailTrail data
library(mosaicData)
data(RailTrail)
# Fit a linear model
ride_lm <- ___
# View the summary of your model
___
# Print the tidy model output
___