Skattning med och utan extremvärde

Data i den här övningen (hypdata_outlier) innehåller ett extremt extremvärde. En plot visas över datamängden, med en linjär regressionsmodell av response mot explanatory. Du tar bort det avvikande datapunkten för att se hur en enda observation kan påverka skattningen av linjen.

Den här övningen är en del av kursen

Inferens för linjär regression i R

Visa kurs

Övningsinstruktioner

Filtrera hypdata_outlier för att ta bort extremvärdet.
Uppdatera plotten p genom att lägga till ett nytt utjämningslager (använd geom_smooth).
- Precis som det andra bandet ska uppdateringen använda metoden för linjär regression och inte rita ut konfidensintervallet.
- Till skillnad från det andra bandet ska uppdateringen använda data = hypdata_no_outlier och vara färgad röd.
- Använd för nu bara utjämningskurvan, inte konfidensintervallet (se = FALSE).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# This plot is shown
p <- ggplot(hypdata_outlier, aes(x = explanatory, y = response)) + 
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) 

# Filter to remove the outlier
hypdata_no_outlier <- ___

p +
  # Add another smooth lin .reg. layer, no ribbon, 
  # hypdata_no_outlier data, colored red
  ___

Redigera och kör kod