101  lm-mario1

Schlüsselwörter

Aufgaben, Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

101.1 Aufgabe

Sagen Sie den Verkaufspreis vorher für ein Spiel mit 2 Lenkrädern!

Hinweise:

• Entfernen Sie Spiele mit einem Verkaufspreis von über 100 Euro aus dem Datensatz.

101.2 Lösung

101.2.1 Setup

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

library(tidyverse)
library(easystats)

101.2.2 Bild der Daten

library(ggpubr)  # einmalig vorab installieren, nicht vergessen

ggscatter(mariokart, x = "wheels", y = "total_pr")  # aus ggpubr

Oder mit DataExplorer visualisieren:

library(DataExplorer)

plot_scatterplot(mariokart, by = "total_pr")  # "by" ist Y-Achse

101.2.3 Extremwerte entfernen

mariokart2 <- 
  mariokart %>% 
  filter(total_pr < 100)  # alle Spiele teuerer als 100€ entfernen

ggscatter(mariokart2, x = "wheels", y = "total_pr")

101.2.4 Regressionsgerade eintragen in das Diagramm

ggscatter(mariokart2, 
          x = "wheels", 
          y = "total_pr",
          add = "reg.line")  # Dieser Schalter malt die Regr.gerade in das Diagramm

101.2.5 Regressionsgerade berechnen

lm_mariokart <- lm(total_pr ~ wheels, data = mariokart2)
lm_mariokart
## 
## Call:
## lm(formula = total_pr ~ wheels, data = mariokart2)
## 
## Coefficients:
## (Intercept)       wheels  
##      37.502        8.643

“lm” wie llineares Modell, also eine Gerade.

101.2.6 Vorhersagen

Vorhersagen funktionieren mit dem Befehl predict.

neues_spiel <-
  data.frame(
    wheels = 2
  )

neues_spiel

predict(lm_mariokart, neues_spiel)  # predicte mir den Verkaufspreis
##        1 
## 54.78743

---

Categories:

• R
• lm
• predict
• num