Przedziały ufności dla średniej odpowiedzi dla wszystkich obserwacji

Przedział ufności dla średniej odpowiedzi można obliczyć dla wszystkich obserwacji w zbiorze danych. Użycie augment() bezpośrednio na zbiorze danych twins daje prognozy i błędy standardowe dla bliźniaka wychowywanego (Foster) na podstawie wszystkich obserwacji bliźniaka biologicznego (Biological).

Zauważ, że obliczenia linii regresji są bardziej stabilne w centrum, dlatego prognozy dla wartości skrajnych są bardziej zmienne niż prognozy w środku zakresu IQ zmiennej objaśniającej.

Prognozy IQ bliźniaka wychowywanego, obliczone poprzednio, są dostępne jako predictions. Prognozy te są przedstawione na wykresie za pomocą geom_smooth().

To ćwiczenie jest częścią kursu

Wnioskowanie w regresji liniowej w R

Zobacz kurs

Instrukcje do ćwiczenia

Ręcznie odtwórz to, co robi geom_smooth(), korzystając z predictions. Podaj estetyki i dane do każdego geoma.

Dodaj warstwę punktów Foster względem Biological, używając zbioru danych data = twins.
Dodaj warstwę linii .fitted względem Biological, używając zbioru danych data = predictions. Nadaj linii kolor "blue".
Dodaj warstwę wstążki (ribbon) z x przypisanym do Biological, ymin przypisanym do lower_mean_prediction i ymax przypisanym do upper_mean_prediction. Użyj zbioru danych data = predictions i ustaw przezroczystość alpha na 0.2.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
  ___

Edytuj i uruchom kod