Tüm gözlemler için ortalama yanıt güven aralıkları

Ortalama yanıt için güven aralığı, veri kümesindeki tüm gözlemler için hesaplanabilir. augment() işlevini doğrudan twins veri kümesi üzerinde kullanmak, tüm Biological gözlemlerine dayalı olarak Foster ikiz için tahminler ve standart hatalar verir.

Regresyon doğrusunun hesaplamasının merkezde daha kararlı olduğunu unutma; bu yüzden uç değerler için yapılan tahminler, açıklayıcı IQ aralığının ortasındaki tahminlere göre daha değişkendir.

Geçen sefer hesapladığın Foster ikiz IQ tahminleri predictions olarak sağlandı. Bu tahminler, geom_smooth() kullanılarak bir grafikte gösteriliyor.

Bu egzersiz, kursun bir parçasıdır

R'de Doğrusal Regresyon için Çıkarım

Kursa Göz Atın

Egzersiz talimatları

geom_smooth()un yaptığını predictions kullanarak elle oluştur. Her bir geome estetikleri ve veriyi ver.

data = twins veri kümesini kullanarak Fostera karşı Biologicalın noktalarını ekle.
data = predictions veri kümesini kullanarak .fitteda karşı Biologicalın çizgisini ekle. Çizginin rengini "blue" yap.
x'i Biologicala, ymini lower_mean_predictiona ve ymaxı upper_mean_predictiona eşlediğin bir şerit (ribbon) katmanı ekle. data = predictions veri kümesini kullan ve saydamlığı alpha ile 0.2 olarak ayarla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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
  ___

Kodu Düzenle ve Çalıştır