Betrouwbaarheidsintervallen voor de gemiddelde respons voor alle observaties

Het betrouwbaarheidsinterval voor de gemiddelde respons kun je voor alle observaties in de gegevensset berekenen. Direct augment() toepassen op de twins-gegevensset geeft voorspellingen en standaardfouten voor de Foster-tweeling op basis van alle Biological-observaties.

Let op: de regressielijn is stabieler in het midden, dus voorspellingen voor de uiterste waarden variëren meer dan voorspellingen in het middelpunt van het bereik van verklarende IQ's.

De IQ-voorspellingen voor de foster-tweeling die je de vorige keer hebt berekend, zijn beschikbaar als predictions. Deze voorspellingen worden in een plot getoond met geom_smooth().

Deze oefening maakt deel uit van de cursus

Inferentie voor lineaire regressie in R

Bekijk cursus

Oefeninstructies

Maak handmatig na wat geom_smooth() doet, met predictions. Geef voor elke geom de aesthetics en de data op.

Voeg een puntenlaag toe van Foster vs. Biological, met de gegevensset data = twins.
Voeg een lijnlaag toe van .fitted vs. Biological, met de gegevensset data = predictions. Kleur de lijn "blue".
Voeg een bandlaag toe waarbij x is gekoppeld aan Biological, ymin aan lower_mean_prediction en ymax aan upper_mean_prediction. Gebruik de gegevensset data = predictions en zet de transparantie alpha op 0.2.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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
  ___

Code bewerken en uitvoeren