1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Statistical Thinking in Python (Part 2)
Connected

cvičení

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).

Pokyny

100 XP
  • 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!