Metodi per le linee di tendenza

Nel precedente esercizio hai usato il geom_smooth() predefinito di ggplot2. In questo esercizio userai invece un glm(). Questo ti permetterà di “vedere” una regressione logistica con ggplot2. In particolare, traccerai la probabilità che qualcuno prenda l’autobus in funzione della distanza del tragitto casa-lavoro.

Dovrai dire a geom_smooth() di usare il metodo glm(). Ricorda dal Capitolo 2 che la famiglia predefinita per un glm() è la Gaussiana, che produce gli stessi risultati di un lm(). Quindi, dovrai anche specificare l’argomento del metodo di glm().
Il codice per creare gg_jitter, che hai costruito nell’ultimo esercizio, ti è stato fornito.

Questo esercizio fa parte del corso

Generalized Linear Models in R

Visualizza il corso

Istruzioni dell'esercizio

Usa il metodo "glm" con geom_smooth().
Con method.args, imposta la famiglia a 'binomial'.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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(___))

Modifica ed esegui il codice