---categories:- regression- lm- stats-nutshell- schoice- mtcars- computer- quizdate: '2023-05-08'slug: lm1title: lm1---```{r data generation, echo = FALSE, results = "hide"}d <-data.frame(x =runif(100, -1, 1))a <-0b <-sample(c(-1, 1), 1) *sample(c(0, 0.6, 0.9), 1)d$y <- a + b * d$x +rnorm(100, sd =0.25)write.csv(d, "regression.csv", row.names =FALSE, quote =FALSE)m <-lm(y ~ x, data = d)bhat <-coef(m)[2]bpvl <-summary(m)$coefficients[2, 4]bsol <-c(bpvl >=0.05, (bpvl <0.05) & (bhat >0), (bpvl <0.05) & (bhat <0))```Question========Laden Sie den Datensatz `mtcars` aus [dieser Quelle](https://vincentarelbundock.github.io/Rdatasets/csv/datasets/mtcars.csv).Berechnen Sie eine Regression mit `mpg` als Ausgabevariable und `hp` als Eingabevariable!Welche Aussage ist für diese Analyse richtig?Answerlist----------* `mpg` und `hp` sind positiv korreliert laut dem Modell.* Der Achsenabschnitt ist nahe Null.* Die Analyse beinhaltet einen nominal skalierten Prädiktor.* Das geschätzte Betagewicht für `hp` liegt bei `30.099`.* Das geschätzte Betagewicht für `hp` liegt bei `-0.068`.Solution========Das geschätzte Betagewicht für `hp` liegt bei `-0.068`.Die Analyse könnte so aussehen:```{r echo = TRUE, warning=FALSE}library(tidyverse)library(easystats)mtcars <-read_csv("https://vincentarelbundock.github.io/Rdatasets/csv/datasets/mtcars.csv")lm1 <-lm(mpg ~ hp, data = mtcars)parameters(lm1) ```Aufgabenname: `lm1`Answerlist----------* Falsch* Falsch* Falsch* Falsch* RichtigMeta-information================exname: lm1extype: schoiceexpoints: 1exsolution: 00001exshuffle: FALSE---Categories: - regression- lm- stats-nutshell- schoice