Hi zusammen,
ich habe folgende Aufgabenstellung:
"Unter der Annahme der Normalität der Fehler ist die Punktvorhersage Yˆ zu ermitteln und anzugeben für X2,
X3 und X4, die auf ihre jeweiligen Stichprobenmittelwerte gesetzt werden, und berechnen und geben Sie außerdem
das entsprechende 99%-Vorhersageintervall für die einzelnen Beobachtungen an".
Wie gehe ich hier vor?
Bzw. wie kann ich die Mittelwerte von X2, X3 und X4 berechnen?
Y = 3.5267 + 0.0458 * X2 + 0.1885 * X3 - 0.001 * X4
DANKE!!:)
Point Prediction
Re: Point Prediction
Hallo Sonja,
was ist denn zu dieser Aufgabenstellung noch gegeben? Haben wir eine konkrete Wertetabelle für X2, X3 und X4 oder gibt es eine Regressionstabelle oder was haben wir sonst, womit wir arbeiten können?
LG,
Bernhard
PS: Aktuelle Nebenfrage, könntest Du uns kurz verraten, wie Du auf dieses Forum gekommen bist?
was ist denn zu dieser Aufgabenstellung noch gegeben? Haben wir eine konkrete Wertetabelle für X2, X3 und X4 oder gibt es eine Regressionstabelle oder was haben wir sonst, womit wir arbeiten können?
LG,
Bernhard
PS: Aktuelle Nebenfrage, könntest Du uns kurz verraten, wie Du auf dieses Forum gekommen bist?
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Re: Point Prediction
Hallo Bernhard,
es handelt sich um den Datensatz "marketing" aus R.
library(datarium)
data("marketing")
Ich bin durch Google auf das Forum gestoßen:).
VG
Sonja
es handelt sich um den Datensatz "marketing" aus R.
library(datarium)
data("marketing")
Ich bin durch Google auf das Forum gestoßen:).
VG
Sonja
Re: Point Prediction
Hallo Sonja,
das mit Google höre ich gerne -- da gab es nämlich bis vor kurzem technische Probleme.
Auf einen Datensatz in einem Nicht-Standard Paket in dem keine Variable X2 oder X3 heißt, hätte man jetzt auch nicht kommen müssen. Wer sich das Paket nicht gleich installieren möchte, findet die Daten auch hier: https://github.com/kassambara/datarium/ ... keting.rda
oder
Ich nehme dann mal an, dass sales die abhängige Variable sein soll. Die von Dir aufgeschriebene Regressionsgleichung entsteht dann so:
Für die angestrebte Vorhersage kannst Du nun die Funktion predict() verwenden. Versuch es erstmal selbst, damit kannst Du am meisten darüber lernen. Bei Rückfragen zeig einfach, wo Du mit Googlen allein hängen bleibst.
LG,
Bernhard
das mit Google höre ich gerne -- da gab es nämlich bis vor kurzem technische Probleme.
Auf einen Datensatz in einem Nicht-Standard Paket in dem keine Variable X2 oder X3 heißt, hätte man jetzt auch nicht kommen müssen. Wer sich das Paket nicht gleich installieren möchte, findet die Daten auch hier: https://github.com/kassambara/datarium/ ... keting.rda
oder
Code: Alles auswählen
marketing = structure(
list(
youtube = c(
276.12,
53.4,
20.64,
181.8,
216.96,
10.44,
69,
144.24,
10.32,
239.76,
79.32,
257.64,
28.56,
117,
244.92,
234.48,
81.36,
337.68,
83.04,
176.76,
262.08,
284.88,
15.84,
273.96,
74.76,
315.48,
171.48,
288.12,
298.56,
84.72,
351.48,
135.48,
116.64,
318.72,
114.84,
348.84,
320.28,
89.64,
51.72,
273.6,
243,
212.4,
352.32,
248.28,
30.12,
210.12,
107.64,
287.88,
272.64,
80.28,
239.76,
120.48,
259.68,
219.12,
315.24,
238.68,
8.76,
163.44,
252.96,
252.84,
64.2,
313.56,
287.16,
123.24,
157.32,
82.8,
37.8,
167.16,
284.88,
260.16,
238.92,
131.76,
32.16,
155.28,
256.08,
20.28,
33,
144.6,
6.48,
139.2,
91.68,
287.76,
90.36,
82.08,
256.2,
231.84,
91.56,
132.84,
105.96,
131.76,
161.16,
34.32,
261.24,
301.08,
128.88,
195.96,
237.12,
221.88,
347.64,
162.24,
266.88,
355.68,
336.24,
225.48,
285.84,
165.48,
30,
108.48,
15.72,
306.48,
270.96,
290.04,
210.84,
251.52,
93.84,
90.12,
167.04,
91.68,
150.84,
23.28,
169.56,
22.56,
268.8,
147.72,
275.4,
104.64,
9.36,
96.24,
264.36,
71.52,
0.84,
318.24,
10.08,
263.76,
44.28,
57.96,
30.72,
328.44,
51.6,
221.88,
88.08,
232.44,
264.6,
125.52,
115.44,
168.36,
288.12,
291.84,
45.6,
53.64,
336.84,
145.2,
237.12,
205.56,
225.36,
4.92,
112.68,
179.76,
14.04,
158.04,
207,
102.84,
226.08,
196.2,
140.64,
281.4,
21.48,
248.16,
258.48,
341.16,
60,
197.4,
23.52,
202.08,
266.88,
332.28,
298.08,
204.24,
332.04,
198.72,
187.92,
262.2,
67.44,
345.12,
304.56,
246,
167.4,
229.32,
343.2,
22.44,
47.4,
90.6,
20.64,
200.16,
179.64,
45.84,
113.04,
212.4,
340.32,
278.52
),
facebook = c(
45.36,
47.16,
55.08,
49.56,
12.96,
58.68,
39.36,
23.52,
2.52,
3.12,
6.96,
28.8,
42.12,
9.12,
39.48,
57.24,
43.92,
47.52,
24.6,
28.68,
33.24,
6.12,
19.08,
20.28,
15.12,
4.2,
35.16,
20.04,
32.52,
19.2,
33.96,
20.88,
1.8,
24,
1.68,
4.92,
52.56,
59.28,
32.04,
45.24,
26.76,
40.08,
33.24,
10.08,
30.84,
27,
11.88,
49.8,
18.96,
14.04,
3.72,
11.52,
50.04,
55.44,
34.56,
59.28,
33.72,
23.04,
59.52,
35.4,
2.4,
51.24,
18.6,
35.52,
51.36,
11.16,
29.52,
17.4,
33,
52.68,
36.72,
17.16,
39.6,
6.84,
29.52,
52.44,
1.92,
34.2,
35.88,
9.24,
32.04,
4.92,
24.36,
53.4,
51.6,
22.08,
33,
48.72,
30.6,
57.36,
5.88,
1.8,
40.2,
43.8,
16.8,
37.92,
4.2,
25.2,
50.76,
50.04,
5.16,
43.56,
12.12,
20.64,
41.16,
55.68,
13.2,
0.36,
0.48,
32.28,
9.84,
45.6,
18.48,
24.72,
56.16,
42,
17.16,
0.96,
44.28,
19.2,
32.16,
26.04,
2.88,
41.52,
38.76,
14.16,
46.68,
0,
58.8,
14.4,
47.52,
3.48,
32.64,
40.2,
46.32,
56.4,
46.8,
34.68,
31.08,
52.68,
20.4,
42.48,
39.84,
6.84,
17.76,
2.28,
8.76,
58.8,
48.36,
30.96,
16.68,
10.08,
27.96,
47.64,
25.32,
13.92,
52.2,
1.56,
44.28,
22.08,
21.72,
42.96,
21.72,
44.16,
17.64,
4.08,
45.12,
6.24,
28.32,
12.72,
13.92,
25.08,
24.12,
8.52,
4.08,
58.68,
36.24,
9.36,
2.76,
12,
3.12,
6.48,
6.84,
51.6,
25.56,
54.12,
2.52,
34.44,
16.68,
14.52,
49.32,
12.96,
4.92,
50.4,
42.72,
4.44,
5.88,
11.16,
50.4,
10.32
),
newspaper = c(
83.04,
54.12,
83.16,
70.2,
70.08,
90,
28.2,
13.92,
1.2,
25.44,
29.04,
4.8,
79.08,
8.64,
55.2,
63.48,
136.8,
66.96,
21.96,
22.92,
64.08,
28.2,
59.52,
31.44,
21.96,
23.4,
15.12,
27.48,
27.48,
48.96,
51.84,
46.32,
36,
0.36,
8.88,
10.2,
6,
54.84,
42.12,
38.4,
37.92,
46.44,
2.16,
31.68,
51.96,
37.8,
42.84,
22.2,
59.88,
44.16,
41.52,
4.32,
47.52,
70.44,
19.08,
72,
49.68,
19.92,
45.24,
11.16,
25.68,
65.64,
32.76,
10.08,
34.68,
1.08,
2.64,
12.24,
13.2,
32.64,
46.44,
38.04,
23.16,
37.56,
15.72,
107.28,
24.84,
17.04,
11.28,
27.72,
26.76,
44.28,
39,
42.72,
40.56,
78.84,
19.2,
75.84,
88.08,
61.68,
11.16,
39.6,
70.8,
86.76,
13.08,
63.48,
7.08,
26.4,
61.44,
55.08,
59.76,
121.08,
25.68,
21.48,
6.36,
70.8,
35.64,
27.84,
30.72,
6.6,
67.8,
27.84,
2.88,
12.84,
41.4,
63.24,
30.72,
17.76,
95.04,
26.76,
55.44,
60.48,
18.72,
14.88,
89.04,
31.08,
60.72,
11.04,
3.84,
51.72,
10.44,
51.6,
2.52,
54.12,
78.72,
10.2,
11.16,
71.64,
24.6,
2.04,
15.48,
90.72,
45.48,
41.28,
46.68,
10.8,
10.44,
53.16,
14.28,
24.72,
44.4,
58.44,
17.04,
45.24,
11.4,
6.84,
60.6,
29.16,
54.24,
41.52,
36.84,
59.16,
30.72,
8.88,
6.48,
101.76,
25.92,
23.28,
69.12,
7.68,
22.08,
56.88,
20.4,
15.36,
15.72,
50.16,
24.36,
42.24,
28.44,
21.12,
9.96,
32.88,
35.64,
86.16,
36,
23.52,
31.92,
21.84,
4.44,
28.08,
6.96,
7.2,
37.92,
4.32,
7.2,
16.56,
9.72,
7.68,
79.44,
10.44
),
sales = c(
26.52,
12.48,
11.16,
22.2,
15.48,
8.64,
14.16,
15.84,
5.76,
12.72,
10.32,
20.88,
11.04,
11.64,
22.8,
26.88,
15,
29.28,
13.56,
17.52,
21.6,
15,
6.72,
18.6,
11.64,
14.4,
18,
19.08,
22.68,
12.6,
25.68,
14.28,
11.52,
20.88,
11.4,
15.36,
30.48,
17.64,
12.12,
25.8,
19.92,
20.52,
24.84,
15.48,
10.2,
17.88,
12.72,
27.84,
17.76,
11.64,
13.68,
12.84,
27.12,
25.44,
24.24,
28.44,
6.6,
15.84,
28.56,
22.08,
9.72,
29.04,
18.84,
16.8,
21.6,
11.16,
11.4,
16.08,
22.68,
26.76,
21.96,
14.88,
10.56,
13.2,
20.4,
10.44,
8.28,
17.04,
6.36,
13.2,
14.16,
14.76,
13.56,
16.32,
26.04,
18.24,
14.4,
19.2,
15.48,
20.04,
13.44,
8.76,
23.28,
26.64,
13.8,
20.28,
14.04,
18.6,
30.48,
20.64,
14.04,
28.56,
17.76,
17.64,
24.84,
23.04,
8.64,
10.44,
6.36,
23.76,
16.08,
26.16,
16.92,
19.08,
17.52,
15.12,
14.64,
11.28,
19.08,
7.92,
18.6,
8.4,
13.92,
18.24,
23.64,
12.72,
7.92,
10.56,
29.64,
11.64,
1.92,
15.24,
6.84,
23.52,
12.96,
13.92,
11.4,
24.96,
11.52,
24.84,
13.08,
23.04,
24.12,
12.48,
13.68,
12.36,
15.84,
30.48,
13.08,
12.12,
19.32,
13.92,
19.92,
22.8,
18.72,
3.84,
18.36,
12.12,
8.76,
15.48,
17.28,
15.96,
17.88,
21.6,
14.28,
14.28,
9.6,
14.64,
20.52,
18,
10.08,
17.4,
9.12,
14.04,
13.8,
32.4,
24.24,
14.04,
14.16,
15.12,
12.6,
14.64,
10.44,
31.44,
21.12,
27.12,
12.36,
20.76,
19.08,
8.04,
12.96,
11.88,
7.08,
23.52,
20.76,
9.12,
11.64,
15.36,
30.6,
16.08
)
),
row.names = c(NA,-200L),
class = "data.frame"
)
Code: Alles auswählen
> model <- lm(sales ~ youtube + facebook + newspaper, data = marketing)
> summary(model)
Call:
lm(formula = sales ~ youtube + facebook + newspaper, data = marketing)
Residuals:
Min 1Q Median 3Q Max
-10.5932 -1.0690 0.2902 1.4272 3.3951
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.526667 0.374290 9.422 <2e-16 ***
youtube 0.045765 0.001395 32.809 <2e-16 ***
facebook 0.188530 0.008611 21.893 <2e-16 ***
newspaper -0.001037 0.005871 -0.177 0.86
Spaltenmittelwerte kann man mit colMeans berechnen:Bzw. wie kann ich die Mittelwerte von X2, X3 und X4 berechnen?
Code: Alles auswählen
> colMeans(marketing)
youtube facebook newspaper sales
176.4510 27.9168 36.6648 16.8270
LG,
Bernhard
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte