Začněte nyníZačněte zdarma

Vykreslení bootstrapových regresí

Skvělý způsob, jak vizualizovat variabilitu, kterou bychom mohli očekávat v lineární regresi, je vykreslit přímku odpovídající každému bootstrapovému replikátu sklonu a průsečíku. Proveď to pro prvních 100 bootstrapových replikátů sklonu a průsečíku (uložených jako bs_slope_reps a bs_intercept_reps).

Toto cvičení je součástí kurzu

Statistical Thinking in Python (Part 2)

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř pole \(x\)-hodnot obsahující 0 a 100 pro vykreslení regresních přímek. Použij k tomu funkci np.array().
  • Napiš for cyklus, ve kterém vykreslíš regresní přímku se sklonem a průsečíkem daným dvojicemi bootstrapových replikátů. Proveď to pro 100 přímek.
    • Při vykreslování regresních přímek v každé iteraci for cyklu vycházej z rovnice regrese y = a*x + b. Zde je a rovno bs_slope_reps[i] a b je bs_intercept_reps[i].
    • Ve volání plt.plot() zadej klíčové argumenty linewidth=0.5, alpha=0.2 a color='red'.
  • Vytvoř bodový graf s illiteracy na ose x a fertility na ose y. Nezapomeň zadat klíčové argumenty marker='.' a linestyle='none'.
  • Popisky os, 2% okraj a zobrazení grafu jsou již připraveny za tebe — stačí kliknout na Submit a bootstrapové regrese se zobrazí!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Generate array of x-values for bootstrap lines: x
x = ____

# Plot the bootstrap lines
for i in range(____):
    _ = plt.plot(____, 
                 ____*x + ____,
                 ____=0.5, ____=0.2, ____='red')

# Plot the data
_ = ____

# Label axes, set the margins, and show the plot
_ = plt.xlabel('illiteracy')
_ = plt.ylabel('fertility')
plt.margins(0.02)
plt.show()
Upravit a spustit kód