Začněte nyníZačněte zdarma

Lineární regrese na vhodných Anscombeových datech

Pro procvičení proveď lineární regresi na souboru dat z Anscombeova kvarteta, který je nejlépe interpretovatelný pomocí lineární regrese.

Toto cvičení je součástí kurzu

Statistical Thinking in Python (Part 2)

Zobrazit kurz

Pokyny k cvičení

  • Vypočítej parametry směrnice a průsečíku pomocí np.polyfit(). Anscombeova data jsou uložena v polích x a y.
  • Vypiš směrnici a a průsečík b.
  • Vygeneruj teoretická data \(x\) a \(y\) z lineární regrese. Pole \(x\), které vytvoříš pomocí np.array(), by mělo obsahovat hodnoty 3 a 15. Pro vygenerování dat \(y\) vynásob směrnici hodnotami x_theor a přičti průsečík.
  • Vykresli Anscombeova data jako bodový graf a poté přidej teoretickou přímku. Nezapomeň při vykreslování bodového grafu použít parametry marker='.' a linestyle='none' spolu s x a y. Při vykreslování teoretické přímky tyto argumenty nepotřebuješ.
  • Klikni na Submit a podívej se na výsledný graf!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Perform linear regression: a, b
a, b = ____

# Print the slope and intercept
print(____, ____)

# Generate theoretical x and y data: x_theor, y_theor
x_theor = np.array([____, ____])
y_theor = ____ * ____ + ____

# Plot the Anscombe data and theoretical line
_ = ____
_ = ____

# Label the axes
plt.xlabel('x')
plt.ylabel('y')

# Show the plot
plt.show()
Upravit a spustit kód