Доверительные интервалы для среднего отклика по всем наблюдениям

Доверительный интервал для среднего отклика можно вычислить по всем наблюдениям в наборе данных. Если применить augment() непосредственно к набору данных twins, вы получите прогнозы и стандартные ошибки для приёмного близнеца на основе всех наблюдений биологического близнеца.

Обратите внимание: линия регрессии устойчивее в центре диапазона, поэтому прогнозы для крайних значений IQ менее стабильны, чем для значений в середине.

Прогнозы IQ для приёмного близнеца, вычисленные на предыдущем шаге, доступны в объекте predictions. Они отображены на графике с помощью geom_smooth().

Это упражнение является частью курса

Вывод для линейной регрессии в R

Посмотреть курс

Инструкции к упражнению

Воспроизведите вручную то, что делает geom_smooth(), используя predictions. Укажите эстетики и данные для каждого слоя.

Добавьте точечный слой Foster по Biological, используя data = twins.
Добавьте линейный слой .fitted по Biological, используя data = predictions. Задайте цвет линии "blue".
Добавьте слой-ленту, где x соответствует Biological, ymin — lower_mean_prediction, а ymax — upper_mean_prediction. Используйте data = predictions и установите прозрачность alpha = 0.2.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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
  ___

Редактировать и запускать код