Cálculo del estadístico de Wald
En el ejercicio anterior ajustaste un modelo con la variable width y analizaste la relación entre la variable explicativa y la variable respuesta. En este ejercicio vas a evaluar la significancia de la variable width calculando el estadístico de Wald.
Ten en cuenta además que en el resumen del modelo el estadístico de Wald aparece con la letra z, lo que indica que el valor del estadístico sigue una distribución normal estándar. Recuerda la fórmula del estadístico de Wald:
$$ z=\frac{\hat\beta}{SE} $$
donde \(\hat\beta\) es el coeficiente estimado y \(SE\) su error estándar.
El modelo ajustado crab_GLM y el conjunto de datos crab ya están precargados en el espacio de trabajo.
Este ejercicio forma parte del curso
Modelos lineales generalizados en Python
Instrucciones del ejercicio
- Usando
.params, extrae e imprime los coeficientes del modelo y guárdalos como intercept y slope. - Guarda e imprime la matriz de covarianzas como
crab_cov. - Calcula e imprime el error estándar
std_errorextrayendo el elemento correspondiente de la matriz de covarianzas. - Calcula e imprime el estadístico de Wald.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Extract coefficients
intercept, slope = ____.____
# Estimated covariance matrix: crab_cov
____ = crab_GLM.____
print(____)
# Compute standard error (SE): std_error
____ = np.____(____.loc['width', 'width'])
print('SE: ', round(____, 4))
# Compute Wald statistic
wald_stat = ____/____
print('Wald statistic: ', round(____,4))