> # 2
+ # a
+ # Daten einlesen
+ autodaten <- read.table("/home/wkarcher/Desktop/autos.txt", header = TRUE)

+ # lineare Regression durchführen
+ model <- lm(Autos ~ Einkommen + Benzinpreis, data = autodaten)
+ beta <- model$coef
+ beta
(Intercept)   Einkommen Benzinpreis 
 20.7255203   1.0242960  -0.1529715 

+ # b
+ # Gleichung der Regressionsebene aufstellen
+ ebene <- function(x1, x2) {
+     beta[1] + beta[2] * x1 + beta[3] * x2
+ }

+ # x1- und x2-Gitterpunkte, an denen die Regressionsebene interpoliert wird
+ x1 <- seq(min(autodaten$Einkommen), max(autodaten$Einkommen), len = 50)
+ x2 <- seq(min(autodaten$Benzinpreis), max(autodaten$Benzinpreis), len = 50)

+ # Regressionsebene zeichnen
+ pmod <- persp(x1, x2, outer(x1, x2, FUN = ebene), xlab = "Einkommen", ylab = "Benzinpreis", zlab = "Autos", theta = -60, expand = 0.5)