lm-mario3

R

lm

predict

num

Published

May 17, 2023

Aufgabe

Sagen Sie den Verkaufspreis vorher für Spiele mit 1, 2, bzw. 3 Euro Versandkosten (ship_pr)!

Geben Sie den Durchschnitt der Vorhersagen als Lösung an!

Lösung

Setup

mariokart <- read.csv("https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv")

library(tidyverse)
library(easystats)

Regressionsgerade berechnen

lm_mariokart <- lm(total_pr ~ ship_pr, data = mariokart) # "lm" wie *l*lineares *M*odell, also eine Gerade.
lm_mariokart


Call:
lm(formula = total_pr ~ ship_pr, data = mariokart)

Coefficients:
(Intercept)      ship_pr  
     36.246        4.337

Vorhersagen

Vorhersagen funktionieren mit dem Befehl predict.

neue_spiele <- tibble(ship_pr = c(1,2,3))
neue_spiele

ship_pr
1
2
3

Anstelle von tibble können Sie auch data.frame verwenden. Mit c erstellt man einen “Vektor”, also eine “Liste” zusammengehöriger Werte.

vorhersagen <- predict(lm_mariokart, neue_spiele)  # predicte mir den Verkaufspreis

vorhersagen

       1        2        3 
40.58276 44.91998 49.25720

loesung <- mean(vorhersagen)
loesung

[1] 44.91998

Die Lösung lautet: 44.9199833.

Categories:

R
lm
predict
num

---
exname: lm-mario3
extype: num
exsolution: r fmt(loesung)
exshuffle: no
expoints: 1
categories:
- R
- lm
- predict
- num
date: '2023-05-17'
slug: lm-mario3
title: lm-mario3

---








# Aufgabe


Sagen Sie den Verkaufspreis vorher für Spiele mit *1, 2, bzw. 3* Euro Versandkosten (`ship_pr`)!

Geben Sie den Durchschnitt der Vorhersagen als Lösung an!






</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Lösung

## Setup


```{r}
mariokart <- read.csv("https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv")

library(tidyverse)
library(easystats)
```


## Regressionsgerade berechnen

```{r}
lm_mariokart <- lm(total_pr ~ ship_pr, data = mariokart) # "lm" wie *l*lineares *M*odell, also eine Gerade.
lm_mariokart
```


## Vorhersagen

Vorhersagen funktionieren mit dem Befehl `predict`.

```{r}
neue_spiele <- tibble(ship_pr = c(1,2,3))
neue_spiele
```

Anstelle von  `tibble` können Sie auch `data.frame` verwenden.
Mit `c` erstellt man einen "Vektor", also eine "Liste" zusammengehöriger Werte. 

```{r}
vorhersagen <- predict(lm_mariokart, neue_spiele)  # predicte mir den Verkaufspreis

vorhersagen
```




```{r}
loesung <- mean(vorhersagen)
loesung
```


Die *Lösung* lautet: `r loesung`.






---

Categories: 

- R
- lm
- predict
- num