MechaCar

在新职务开始几周后，高层管理人员与杰里米（Jeremy）商讨了一个特别项目。 AutosRUs的最新原型机MechaCar遭遇生产问题，这些问题阻碍了制造团队的进展。 高层管理人员邀请Jeremy和数据分析团队审查生产数据，以获取有助于解决制造问题的见解。在此挑战中，您将协助执行多元线性回归分析，以识别数据集中哪些变量可以预测MechaCar原型的每平方英寸悬挂线圈磅数（PSI）。您还将进行t检验，以确定生产批次在统计上是否与平均设计有所不同，最后与其他制造商的车辆性能进行比较。

AutosRUs的最新原型机MechaCar遇到了生产问题，这些问题妨碍了制造团队的进展。通过线性回归分析MPG、车重、扰流角和AWD的关系，发现其中两个变量（车长和离地间隙）提供了显著的非随机方差，其p值都远小于阈值（5.35e-11）。线性模型的R平方值达到71.49%，表明模型对MPG的预测准确率约为72%。

我们为数据提供了一个包含50个MechaCar原型的mpg测试结果的数据集。数据集包括车辆长度、车辆重量、扰流板角度、传动系统和离地间隙等指标。我们发现车辆长度和离地间隙对数据集中的mpg值具有显著的非随机方差。线性模型的斜率显著不为零（p值为5.35e-11），表明该模型能有效预测MechaCar原型的mpg。此外，该模型的r平方值为0.7149，表明在71％的情况下能有效预测。