display-logist1

paper
todo
Published

July 14, 2026

library(tidyverse)

Question

Eine logistische Regression wurde an einen Datensatz angepasst. Es ergaben sich folgende Koeffizienten (jeweils Punktschätzer):

Konstante = -1.9 x = 0.7 z = 0.7

x ist ein metrischer Prädiktor mit einem Range von 0 bis 10; z ist eine binärer Prädiktor (mit den Werten 0 und 1).

Visualisieren Sie die Kurven in einem Diagramm für

  1. \(L\) vs. \(x\)
  2. \(Pr(y=1)\) vs. \(x\)

Solution

Wir definieren die Variablen:

d <-
  tibble(
    x = seq(from = 0, to = 10, by = 0.1),
    z = 1,
    y_z0_linear = -1.9 + 0.7 * x + 0*z,
    y_z1_linear = -1.9 + 0.7 * x + 1*z,
    p_y_z0 = plogis(y_z0_linear),
    p_y_z1 = plogis(y_z1_linear)
  )

Hier ist das Diagramm mit Logits auf der Y-Achse:

d %>% 
  ggplot() +
  aes(x = x) +
  geom_line(aes(y = y_z0_linear), color = "blue") +
  geom_line(aes(y = y_z1_linear), color = "red") 

Hier ist das Diagramm mit Wahrscheinlichkeit auf der Y-Achse:

d %>% 
  ggplot() +
  aes(x = x) +
  geom_line(aes(y = p_y_z0), color = "blue") +
  geom_line(aes(y = p_y_z1), color = "red") 

Aufgabenname: display-logist1

Meta-information

extype: string exsolution: NA exname: display-logist1 expoints: 1