Saída da regressão: exemplo I

O código a seguir apresenta dois métodos equivalentes para calcular as partes mais importantes da saída de um modelo linear. Lembre-se de que o valor de p é a probabilidade de observar os dados (ou algo ainda mais extremo) dado que a hipótese nula é verdadeira. Assim como em outras análises inferenciais, você vai precisar da distribuição amostral da estatística (aqui, o coeficiente angular) assumindo que a hipótese nula é verdadeira. Você vai gerar a distribuição amostral nula nos próximos capítulos, mas, por enquanto, assuma que essa distribuição está correta. Além disso, repare que os erros padrão das estimativas do coeficiente angular e do intercepto descrevem a variabilidade dessas estimativas.

Este exercício faz parte do curso

Inferência para Regressão Linear em R

Ver curso

Instruções do exercício

Carregue o pacote mosaicData e carregue os dados RailTrail. Os dados RailTrail contêm informações sobre o número de usuários de uma trilha em Florence, MA, e o clima de cada dia.
Usando a função lm(), ajuste um modelo linear que relacione o volume de ciclistas com a hightemp do dia. Atribua a saída da função lm() ao objeto ride_lm.
Use a função summary() no resultado do modelo linear para ver a análise inferencial (incluindo o valor de p do coeficiente angular).
Além disso, use tidy() na saída do modelo linear para facilitar o uso depois.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Load the mosaicData package and the RailTrail data
library(mosaicData)
data(RailTrail)

# Fit a linear model
ride_lm <- ___

# View the summary of your model
___

# Print the tidy model output
___

Editar e executar o código