ich soll die Wahrscheinlichkeit, dass Y = 1, wenn X = 0.9 ist prognostizieren für das Modell mit der summary:
Code: Alles auswählen
Call:
glm(formula = Y ~ X + I(X^2) + I(X^3) + I(X^4), family = binomial(),
data = Daten)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.9338 -0.9569 -0.6950 1.1088 1.7609
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.27937 0.35600 -3.594 0.000326 ***
X 0.94974 0.74892 1.268 0.204744
I(X^2) 6.66454 2.18111 3.056 0.002246 **
I(X^3) -0.01775 1.19474 -0.015 0.988145
I(X^4) -5.03476 2.44411 -2.060 0.039403 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 221.41 on 159 degrees of freedom
Residual deviance: 195.16 on 155 degrees of freedom
AIC: 205.16
Number of Fisher Scoring iterations: 4
Danke, Tomas