가상의 모집단 - x 방향의 변동성 감소
기울기 계수와 관련된 표본 분포를 이해하려면, 표본과 모집단의 변화가 기울기 계수에 미치는 영향을 시각화하는 것이 중요합니다. 여기서는 설명 변수의 분산을 줄이면 기울기 통계량의 변동성이 어떻게 달라지는지 살펴봅니다.
이 연습은 강의의 일부입니다
R을 활용한 선형 회귀 추론
연습 안내
- 이미 그려진 플롯을 살펴보세요.
- 샘플링 코드에서
popdata를even_newer_popdata로 교체한 후 플롯을 다시 그리세요. - x축 범위를 -17에서 17로 설정하세요(이전과 동일하게 맞추기 위함입니다).
- 새로운 플롯을 살펴보세요. 이전 플롯과 어떻게 다른가요?
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Update the sampling to use even_newer_popdata
many_samples <- popdata %>%
rep_sample_n(size = 50, reps = 100)
# Update and rerun the plot; how does it change?
ggplot(many_samples, aes(x = explanatory, y = response, group = replicate)) +
geom_point() +
geom_smooth(method = "lm", se = FALSE) +
# Set the x-axis limit from -17 to 17
___