सभी ऑब्ज़र्वेशन्स के लिए औसत प्रतिक्रिया के Confidence intervals
डेटासेट की सभी ऑब्ज़र्वेशन्स के लिए औसत प्रतिक्रिया का confidence interval निकाला जा सकता है। सीधे twins डेटासेट पर augment() का उपयोग करने से सभी Biological ऑब्ज़र्वेशन्स के आधार पर Foster ट्विन के लिए प्रेडिक्शन्स और standard errors मिलते हैं.
ध्यान दें कि रिग्रेशन लाइन का गणनात्मक अनुमान बीच के मानों पर अधिक स्थिर होता है, इसलिए सीमा (extreme) वाले मानों के लिए प्रेडिक्शन्स, explanatory IQs की रेंज के मध्य के प्रेडिक्शन्स की तुलना में अधिक परिवर्तनशील होते हैं.
पिछली बार जो foster twin IQ प्रेडिक्शन्स आपने निकाले थे, वे predictions के रूप में दिए गए हैं। ये प्रेडिक्शन्स geom_smooth() का उपयोग करके एक प्लॉट में दिखाए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Linear Regression के लिए Inference
अभ्यास निर्देश
predictions का उपयोग करके, जो geom_smooth() करता है उसे manually दोहराइए। हर geom को उसके aesthetics और data दीजिए.
data = twinsडेटासेट का उपयोग करते हुए,FosterबनामBiologicalका एक point layer जोड़ें.data = predictionsडेटासेट का उपयोग करते हुए,.fittedबनामBiologicalका एक line layer जोड़ें। लाइन का रंग"blue"रखें.- एक ribbon layer जोड़ें जिसमें
xकोBiological,yminकोlower_mean_predictionऔरymaxकोupper_mean_predictionसे मैप करें।data = predictionsडेटासेट का उपयोग करें और transparencyalphaको0.2पर सेट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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
___