Re: Ανάλυση Δεδομένων με Η/Υ
Δημοσιεύτηκε: Δευ Αύγ 31, 2015 5:59 pm
Για να λεμε την αληθεια, ουτε κι εγω ειχα καταλαβει ποτε τι σημαινουν τα * στην προκειμενη περιπτωση, αν και δε μου χρειαστηκαν ποτε. Το κυριοτερο που σε ενδιαφερει απο αυτον τον πικανα ειναι η πρωτη στηλη με τους συντελεστες στο γραμμικο μοντελο.
Για το ΣΤ, για το πως θα το υπολογιζες τσεκαρε εδω, σελ. 55 και κατω.
Οι εντολες στην R, θα ηταν.
Δεν εχω δει καπου τα θεματα τις χαριστικης του Ιουνιου δυστυχως.
EDIT: Για το ΣΤ, δε χρειαζεται να παιδευεσαι με τις σημειωσεις. Απλα βαζεις τις τιμες που σου δινει στο μοντελο που εχεις βγαλει.
Στην προκειμενη περιπτωση, το μοντελο ειναι Y = 4.62 + 0.48*Expr + 0.11*draw + 1.61*SchB + 3.58*SchC + 1.83*SchD + 3.58*SchE - 2.26*SchG + 1.78*ScH.
Οπότε θα βαλεις οπου Expr= 16, Draw=9 και για την κατηγορικη νομιζω ειναι SchE=1 και ολες οι αλλες 0, αλλα γι αυτο δεν ειμαι σιγουρη.
Για το ΣΤ, για το πως θα το υπολογιζες τσεκαρε εδω, σελ. 55 και κατω.
Οι εντολες στην R, θα ηταν
Κώδικας: Επιλογή όλων
predict(results, list(Expression=16, Drawing = 9, School="E"))
Δεν εχω δει καπου τα θεματα τις χαριστικης του Ιουνιου δυστυχως.
EDIT: Για το ΣΤ, δε χρειαζεται να παιδευεσαι με τις σημειωσεις. Απλα βαζεις τις τιμες που σου δινει στο μοντελο που εχεις βγαλει.
Στην προκειμενη περιπτωση, το μοντελο ειναι Y = 4.62 + 0.48*Expr + 0.11*draw + 1.61*SchB + 3.58*SchC + 1.83*SchD + 3.58*SchE - 2.26*SchG + 1.78*ScH.
Οπότε θα βαλεις οπου Expr= 16, Draw=9 και για την κατηγορικη νομιζω ειναι SchE=1 και ολες οι αλλες 0, αλλα γι αυτο δεν ειμαι σιγουρη.