Intervalles de confiance pour la réponse moyenne de toutes les observations
L'intervalle de confiance pour la réponse moyenne peut être calculé pour toutes les observations de l'ensemble de données. En utilisant augment() directement sur l'ensemble twins, vous obtenez les prédictions et les erreurs types pour le jumeau Foster à partir de toutes les observations Biological.
Notez que le calcul de la droite de régression est plus stable au centre; ainsi, les prédictions pour les valeurs extrêmes sont plus variables que celles situées au milieu de l'intervalle des QI explicatifs.
Les prédictions du QI du jumeau Foster que vous avez calculées précédemment sont fournies dans predictions. Ces prédictions sont affichées dans un graphique au moyen de geom_smooth().
Cette activité fait partie du cours
Inférence pour la régression linéaire en R
Instructions de l’exercice
Reproduisez manuellement ce que fait geom_smooth() en utilisant predictions. Fournissez les esthétiques et les données à chaque geom.
- Ajoutez une couche de points de
Fosteren fonction deBiological, en utilisant l'ensemble de donnéesdata = twins. - Ajoutez une couche de ligne de
.fitteden fonction deBiological, en utilisant l'ensemble de donnéesdata = predictions. Colorez la ligne en"blue". - Ajoutez une couche de ruban où
xest associé àBiological,yminàlower_mean_predictionetymaxàupper_mean_prediction. Utilisez l'ensemble de donnéesdata = predictionset réglez la transparencealphaà0.2.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# This plot is shown
ggplot(twins, aes(x = Biological, y = Foster)) +
geom_point() +
geom_smooth(method = "lm")
ggplot() +
# Add a point layer of Foster vs. Biological, using twins
___(aes(___, ___), data = ___) +
# Add a line layer of .fitted vs Biological, using predictions, colored blue
___ +
# Add a ribbon layer of lower_mean_prediction to upper_mean_prediction vs Biological,
# using predictions, transparency of 0.2
___