Parameter lambda schätzen
Im Video hast du gelernt, wie die Log-Link-Funktion die lineare Kombination in den Parametern für das Poisson-Regressionsmodell der Form herstellt
$$ log(\lambda)=\beta_0+\beta_1x_1 $$
Um die Antwortfunktion in Bezug auf lambda zu erhalten, haben wir die Modellfunktion exponentiert und erhalten
$$ \lambda=E(y)=exp(\beta_0 + \beta_1x_1) $$ $$ \lambda=E(y)=exp(\beta_0) \times exp(\beta_1x_1) $$
In dieser Übung verwendest du diese Darstellung mit den Daten zu Hufeisenkrabben, um die Schätzung des Mittelwerts von \(y\) für die Breite der weiblichen Krabbe zu berechnen.
Der Datensatz crab ist im Workspace vorab geladen.
Diese Übung ist Teil des Kurses
Generalisierte lineare Modelle in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import libraries
import ____.____ as sm
from ____.formula.api import ____
# Fit Poisson regression of sat by width
model = ____('____ ~ ____', data = ____, family = ____.____.____).____
# Display model results
____(model.____)