Aufgabe:
Text erkannt:
Der vorliegende fiktive Datensatz enthalt Daten von 500 produzierten Tonnen Schokolade eines Schokoladenproduzenten. In der Produktion wird von einer Sorte
(unterschiedlicher Kakaogehalt) jeweils eine Tonne produziert und dann die Sorte gewechselt. Die Variablen im Datensatz sind: die Produktionskosten pro Tonne [in Tausend Euro] ( kosten ), der Kakaogehalt der Schokolade [Angabe in Prozent] (kakao) und der Produktionsstandort des Unternehmens (ort). Es gibt drei Produktionsstandorte, an denen Schokolade produziert wird. Eine lineare Regression mit den Produktionskosten je Tonne als abhangige Variable und dem
Kakaogehalt sowie dem Produktionsstandort als unabhängige Variablen liefert den folgenden R-Output.
\( > \) model \( <-1 \mathrm{~m}( \) kosten \( \sim \) kakao \( + \) ort, data \( = \) datensatz) sumary(model)
Call:
\( \operatorname{lm}( \) formula \( = \) kosten \( \sim \) kakao \( + \) ort, data \( = \) datensatz)
Residuals:
Min 1Q Median 3Q Max \( \begin{array}{llll}-9.2673 & -2.0198 & 0.1005 & 2.2186 & 10.1669\end{array} \)
Coefficients:
Estimate std. Error \( t \) value \( \operatorname{Pr}(>|t|) \) \( \begin{array}{llll}\text { (Intercept) } & 6.0372600 & 0.5152812 & 11.7164\end{array} \)
\( \begin{array}{lll}\text { kakao } & 0.1344800 & 0.0082771 & 16.2470<\end{array} \)
\( \begin{array}{llll}\text { ortort1 } & -2.0914300 & 0.3320897 & -6.2978\end{array} \)
ortort2
Signif. codes:
Residual standard error: 3.212 on 496 degrees of freedom \( \begin{array}{lll}\text { Multiple R-squared: } & 0.37566, & \text { Adjusted R-squared: } & 0.37189\end{array} \) F-statistic: 99.481 on 3 and 496 DF, p-value: \( <2.22 \mathrm{e}-16 \)
Schätzen Sie die durchschnittlichen Produktionskosten in Tausend Euro des Unternehmens an Standort 1 fur eine Schokolade mit einem Kakaogehalt von \( 63 \% \).
403.06
Problem/Ansatz:
komm hier auf 403,06 ist aber falsch Vielen Dank!
