Methoden voor trendlijnen

In de vorige oefening gebruikte je de standaard geom_smooth() van ggplot2. In deze oefening gebruik je in plaats daarvan een glm(). Daardoor kun je een logistische regressie "zien" met ggplot2. Specifiek plot je de kans dat iemand de bus neemt gegeven zijn/haar woon-werkafstand.

Je moet geom_smooth() vertellen dat het de glm()-methode moet gebruiken. Onthoud uit Hoofdstuk 2 dat de standaard family voor een glm() de Gaussiaanse family is, die dezelfde resultaten oplevert als een lm(). Daarom moet je ook het argument method.args meegeven aan glm().
De code om gg_jitter te maken, die je in de vorige oefening hebt opgebouwd, is voor je toegevoegd.

Deze oefening maakt deel uit van de cursus

Generalized Linear Models in R

Cursus bekijken

Oefeninstructies

Gebruik de methode "glm" met geom_smooth().
Stel met method.args de family in op 'binomial'.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(___))

Code bewerken en uitvoeren