Výpočet Waldovy statistiky

V předchozím cvičení jsi natrénoval/a model s proměnnou width a posoudil/a vztah mezi vysvětlující a odezvovou proměnnou. V tomto cvičení otestujeme, zda je proměnná width statisticky významná – a to pomocí Waldovy statistiky.

Všimni si, že v přehledu modelu je Waldova statistika označena písmenem z, což naznačuje, že hodnota statistiky sleduje standardní normální rozdělení. Připomeň si vzorec pro Waldovu statistiku:

$$ z=\frac{\hat\beta}{SE} $$

kde $\hat\beta$ je odhadovaný koeficient a $SE$ jeho směrodatná odchylka.

Natrénovaný model crab_GLM a datová sada crab jsou v prostředí již načteny.

Toto cvičení je součástí kurzu

Zobecněné lineární modely v Pythonu

Zobrazit kurz

Pokyny k cvičení

Pomocí .params extrahuj koeficienty modelu, vypiš je a ulož jako intercept a sklon.
Ulož kovarianční matici jako crab_cov a vypiš ji.
Vypočítej a vypiš směrodatnou odchylku std_error – extrahuj příslušný prvek z kovarianční matice.
Vypočítej a vypiš Waldovu statistiku.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Extract coefficients
intercept, slope = ____.____

# Estimated covariance matrix: crab_cov
____ = crab_GLM.____
print(____)

# Compute standard error (SE): std_error
____ = np.____(____.loc['width', 'width'])
print('SE: ', round(____, 4))

# Compute Wald statistic
wald_stat = ____/____
print('Wald statistic: ', round(____,4))

Upravit a spustit kód