Negative Binomial fitten

Die negative Binomialverteilung ermöglicht, dass die Varianz den Mittelwert übersteigt – genau das hast du in der vorherigen Übung in deinen crab-Daten gemessen. In dieser Aufgabe erinnerst du dich an den vorherigen Fit der Poisson-Regression mit Log-Link-Funktion und passt zusätzlich ein Negative-Binomial-Modell ebenfalls mit Log-Link-Funktion an.

Du analysierst und siehst, wie sich die statistischen Kennzahlen verändert haben.

Das Modell crab_pois und der Datensatz crab sind in deinem Workspace geladen.

Diese Übung ist Teil des Kurses

Generalisierte lineare Modelle in Python

Kurs anzeigen

Anleitung zur Übung

Definiere eine Formel für das Regressionsmodell, sodass sat durch width vorhergesagt wird.
Fitte die Negative Binomialverteilung mit NegativeBinomial() und speichere das Modell als crab_NB.
Gib die Zusammenfassungen des Poisson-Modells crab_pois und des neu angepassten Negative-Binomial-Modells aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Define the formula for the model fit
formula = '____ ~ ____'

# Fit the GLM negative binomial model using log link function
crab_NB = smf.glm(formula = ____, data = ____, 
				  family = ____.____.____).____

# Print Poisson model's summary
print(____.____)

# Print the negative binomial model's summary
print(____.____)

Code bearbeiten und ausführen