mariokart-korr3

datawrangling

dplyr

eda

association

num

Published

May 8, 2023

Aufgabe

Importieren Sie den Datensatz mariokart in R. Berechnen Sie die Korrelation von mittlerem Verkaufspreis (total_pr) und Startgebot (start_pr) für Spiele, die sowohl neu sind und über Lenkräder (wheels) verfügen.

Hinweise:

Runden Sie auf 1 Dezimalstelle.
Beachten Sie die Hinweise des Datenwerk.

Lösung

Pakete starten:

library(tidyverse)
library(easystats)

Daten importieren:

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

solution <-
d  %>% 
  filter(cond == "new" & wheels > 0) %>% 
  summarise(pr_corr = cor(total_pr, start_pr))

solution

pr_corr
0.4315485

Alternativ kann man (komfortabel) die Korrelation z.B. so berechnen:

d %>% 
  select(start_pr, total_pr, cond, wheels) %>% 
  filter(cond == "new" & wheels > 0) %>%  # logisches UND
  correlation()

Parameter1	Parameter2	r	CI	CI_low	CI_high	t	df_error	p	Method	n_Obs
start_pr	total_pr	0.4315485	0.95	0.1877461	0.6252604	3.4827135	53	0.0020065	Pearson correlation	55
start_pr	wheels	0.1173873	0.95	-0.1526642	0.3711267	0.8605421	53	0.3933665	Pearson correlation	55
total_pr	wheels	0.7713931	0.95	0.6363173	0.8605750	8.8249370	53	0.0000000	Pearson correlation	55

Lösung: 0.4.

Categories:

datawrangling
dplyr
eda
association
num

---
exname: mariokart-korr3
extype: num
exsolution: r sol
exshuffle: no
extol: 0.05
expoints: 1
categories:
- datawrangling
- dplyr
- eda
- association
- num
date: '2023-05-08'
slug: mariokart-korr3
title: mariokart-korr3

---






```{r global-knitr-options, include=FALSE}
knitr::opts_chunk$set(fig.pos = 'H',
                      fig.asp = 0.618,
                      fig.width = 4,
                      fig.cap = "", 
                      fig.path = "",
                      cache = TRUE,
                      echo = TRUE,
                      message = FALSE,
                      fig.show = "hold")
```






# Aufgabe


Importieren Sie den Datensatz `mariokart` in R.
Berechnen Sie die Korrelation von mittlerem Verkaufspreis (`total_pr`) und Startgebot (`start_pr`) für Spiele, die sowohl neu sind *und* über Lenkräder (`wheels`) verfügen.

Hinweise:

- Runden Sie auf 1 Dezimalstelle.
- Beachten Sie die [Hinweise des Datenwerk](https://datenwerk.netlify.app/hinweise).




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

# Lösung

Pakete starten:

```{r message=FALSE}
library(tidyverse)
library(easystats)
```


Daten importieren:

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

```{r}
solution <-
d  %>% 
  filter(cond == "new" & wheels > 0) %>% 
  summarise(pr_corr = cor(total_pr, start_pr))

solution
```



Alternativ kann man (komfortabel) die Korrelation z.B. so berechnen:

```{r}
d %>% 
  select(start_pr, total_pr, cond, wheels) %>% 
  filter(cond == "new" & wheels > 0) %>%  # logisches UND
  correlation()
```



```{r echo=FALSE}
sol <- exams::fmt(solution[1,1], digits = 1)
```

**Lösung:** `r sol`. 





---

Categories: 

- datawrangling
- dplyr
- eda
- association
- num