Intervalles de confiance pour la réponse moyenne pour toutes les observations
L’intervalle de confiance pour la réponse moyenne peut être calculé pour toutes les observations du jeu de données. L’utilisation de augment() directement sur le jeu de données twins fournit des prédictions et des erreurs standards 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 ; les prédictions pour les valeurs extrêmes sont donc plus variables que celles situées au milieu de la plage 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 à l’aide de geom_smooth().
Cet exercice fait partie du cours
Inférence pour la régression linéaire en R
Instructions
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
Fosterpar rapport àBiological, en utilisant le jeu de donnéesdata = twins. - Ajoutez une couche de ligne de
.fittedpar rapport àBiological, en utilisant le jeu de donnéesdata = predictions. Colorez la ligne en"blue". - Ajoutez une couche de ruban avec
xassocié àBiological,yminassocié àlower_mean_predictionetymaxassocié àupper_mean_prediction. Utilisez le jeu de donnéesdata = predictionset définissez la transparencealphasur0.2.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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
___