mariokart-korr4

datawrangling

dplyr

eda

association

num

Published

May 8, 2023

Aufgabe

Importieren Sie den Datensatz mariokart in R. Berechnen Sie die Korrelation von mittlerem Verkaufspreis (total_pr) und Startgebot (start_pr) für Spiele, die sowohl neu sind oder über Lenkräder (wheels) verfügen.

Hinweise:

Runden Sie auf 1 Dezimalstelle.
Beachten Sie die Hinweise des Datenwerk.

Lösung

Pakete starten:

library(tidyverse)
library(easystats)

Daten importieren:

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

solution <-
d  %>% 
  filter(cond == "new" | wheels > 0) %>% 
  summarise(pr_corr = cor(total_pr, start_pr))

solution

     pr_corr
1 0.04725486

Alternativ kann man (komfortabel) die Korrelation z.B. so berechnen:

d %>% 
  select(start_pr, total_pr, cond, wheels) %>% 
  filter(cond == "new" | wheels > 0) %>%   # logisches ODER
  correlation()  # aus dem Paket `easystats`

# Correlation Matrix (pearson-method)

Parameter1 | Parameter2 |    r |        95% CI | t(108) |       p
-----------------------------------------------------------------
start_pr   |   total_pr | 0.05 | [-0.14, 0.23] |   0.49 | 0.762  
start_pr   |     wheels | 0.08 | [-0.10, 0.27] |   0.88 | 0.762  
total_pr   |     wheels | 0.28 | [ 0.10, 0.45] |   3.09 | 0.008**

p-value adjustment method: Holm (1979)
Observations: 110

Lösung: 0.0.

Categories:

datawrangling
dplyr
eda
association
num

---
exname: mariokart-korr4
extype: num
exsolution: r sol
exshuffle: no
extol: 0.05
expoints: 1
categories:
- datawrangling
- dplyr
- eda
- association
- num
date: '2023-05-08'
slug: mariokart-korr4
title: mariokart-korr4

---






```{r global-knitr-options, include=FALSE}
knitr::opts_chunk$set(fig.pos = 'H',
                      fig.asp = 0.618,
                      fig.width = 4,
                      fig.cap = "", 
                      fig.path = "",
                      cache = TRUE,
                      echo = TRUE,
                      message = FALSE,
                      fig.show = "hold")
```






# Aufgabe

Importieren Sie den Datensatz `mariokart` in R.
Berechnen Sie die Korrelation von mittlerem Verkaufspreis (`total_pr`) und Startgebot (`start_pr`) für Spiele, die sowohl neu sind *oder* über Lenkräder (`wheels`) verfügen.

Hinweise:

- Runden Sie auf 1 Dezimalstelle.
- Beachten Sie die [Hinweise des Datenwerk](https://datenwerk.netlify.app/hinweise).


</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Lösung

Pakete starten:

```{r message=FALSE}
library(tidyverse)
library(easystats)
```


Daten importieren:

```{r}
d_url <- "https://vincentarelbundock.github.io/Rdatasets/csv/openintro/mariokart.csv"
d <- read.csv(d_url)
```

```{r}
solution <-
d  %>% 
  filter(cond == "new" | wheels > 0) %>% 
  summarise(pr_corr = cor(total_pr, start_pr))

solution
```



Alternativ kann man (komfortabel) die Korrelation z.B. so berechnen:

```{r}
d %>% 
  select(start_pr, total_pr, cond, wheels) %>% 
  filter(cond == "new" | wheels > 0) %>%   # logisches ODER
  correlation()  # aus dem Paket `easystats`
```



```{r echo=FALSE}
sol <- exams::fmt(solution[1,1], digits = 1)
```

**Lösung:** `r sol`. 





---

Categories: 

- datawrangling
- dplyr
- eda
- association
- num