6
Parametrische Statistik (Subject) / Regression (Lesson)
- Je schneller ein Auto fährt, desto länger ist sein Bremsweg. Wie lang ist der erwartete Bremsweg eines Autos (in feet) bei 21 miles per hour, wenn der cars-Datensatz zugrundegelegt wird? Bitte auf 1 Nachkommastelle genau angeben. (Hinweis: Mit "data(cars)" ist der Datensatz geladen; mit "cars" kann er angezeigt und mit "plot(cars)" geplottet werden. Die Variablen heißen "speed" und "dist".) data(cars)attach(cars)View(cars)brems <- glm(dist~speed, data=cars, family=gaussian)summary(brems) (speed*21)+(Intercept)(3.93*21)+(-17.5791)#Lösung: 64.9509, also 65,0 feet Der Wert muss zwischen 64.95149 und 65.05149 liegen
- Von 5 Schweinen liegen Messwerte ihrer Speckdicke (mm) und ihres Gewichts (kg) vor. Berechne die Abhängigkeit der Speckdicke vom Gewicht. speckdicke <- c(10.4,11.5,12.2,11.9,14.0) gewicht <- c(105,108,115,122,125) Welchen Wert hat der P-Wert der Steigung? speckdicke <- c(10.4, 11.5, 12.2, 11.9, 14.0)gewicht <- c(105, 108, 115, 122, 125)schwarte < -glm(speckdicke~gewicht)summary(schwarte) p-Wert der steigung bei gewicht Pr ablesen: 0.0628 Der Wert muss zwischen 0.0478 und 0.0778 liegen
- Von der Pisastudie (2008) liegen die Ergebnisse der Mathe- und Naturwissenschaft-Prüfung der einzelnen Bundesländer vor. Hängt die erreichte Punktzahl in Naturwissenschaften von den Fähigkeiten in Mathe ab? Berechne die Punktzahl für Naturwissenschaften, wenn die Punktzahl in Mathe 510 beträgt. Gib den Wert als ganze Zahl gerundet an. natur <- c(541,533,530,523,516,507,503,508,518,514,510,506,515,497,485,512) mathe <- c(523,522,509,516,500,500,493,495,499,500,497,489,500,488,478,498) > natur <- c(541, 533, 530, 523, 516, 507, 503, 508, 518, 514, 510, 506, 515, 497, 485, 512)> mathe <-c(523, 522, 509, 516, 500, 500, 493, 495, 499, 500, 497, 489, 500, 488, 478, 498)> albert<-glm(natur~mathe)> summary(albert) > (-31.42409)+(1.08915*510)#Lösung: 524.0424, also 524 Der Wert muss zwischen 523.5 und 524.5 liegen
- Es soll der Zusammenhang zwischen der Milchmenge (kg) und der Eiweißmenge (kg) untersucht werden. Es steht folgende Stichprobe zur Verfügung: Milchmenge (x) während einer Laktation* (circa 300 Tage) und die dazugehörige Eiweißmenge (y). Milch <- c(5831,6192,6401,7480,5603,6911,6461,6582,6951,5481,7741,4884,5271,5577,7184) Eiweiss <- c(208,201,217,256,196,208,208,203,227,186,260,159,179,183,228) Berechne die Steigung der Regressionsgeraden auf 2 Nachkommstellen genau (unter Annahme einer Normalverteilung). fm <- glm(Eiweiss~Milch, family=gaussian)summary(fm) #ablesen bei Milch/Estimate#Lösung: 0.030141 Der Wert muss zwischen 0.020141 und 0.040141 liegen
- Welche Aussage ist korrekt? Bei einer Regression ... a. verändert sich ein Verteilungsparameter mit dem Prädiktor.die unabhängige voraus. b. sagt die abhängige Variable die unabhängige voraus. c. verändert sich ein Verteilungsparameter mit der Antwortvariablen. d. verändert sich die Verteilung mit dem Prädiktor. a. verändert sich ein Verteilungsparameter mit dem Prädiktor.die unabhängige voraus.
- Im Gegensatz zur Korrelation beschreibt eine Regression... a. Regression unterstellt einen gerichteten Zusammenhang, Korrelation nicht. b. einen kausalen Zusammenhang c. es gibt keinen Unterschied: sowohl Korrelation als auch Regression beschreiben nur einen statistischen Zusammenhang. d. Korrelation ist nicht so sensitiv und deshalb konservativer als die Regression. a. Regression unterstellt einen gerichteten Zusammenhang, Korrelation nicht.
Advertisement