Visualiza el ajuste del modelo con regplot()

Después de ajustar y analizar el modelo, podemos visualizarlo representando los puntos observados y la regresión logística ajustada.

Con la gráfica, podrás comprender visualmente la relación entre la variable explicativa y la respuesta en el rango de valores de la variable explicativa.

Para ello, podemos usar la función regplot() del módulo seaborn. La función regplot() recibe un argumento logistic, que permite indicar si deseas estimar el modelo de regresión logística para los datos dados usando los valores True o False. Esto también generará la gráfica del ajuste.

Recuerda que el modelo que ajustaste anteriormente:
$$ \log\bigg(\frac{y}{1-y}\bigg) = -0.3055 + 0.3791*\text{arsenic} $$

El conjunto de datos wells ya está cargado en tu espacio de trabajo.

Este ejercicio forma parte del curso

Modelos lineales generalizados en Python

Ver curso

Instrucciones del ejercicio

Usando los datos de wells, representa arsenic en el eje x y switch en el eje y.
Aplica un y_jitter de 0.03 para dispersar los valores de la respuesta y facilitar la visualización.
Usa True para el argumento logistic para superponer la función logística sobre los datos y establece el argumento de intervalos de confianza ci en None, lo que no mostrará el intervalo de confianza pero acelerará el cálculo.
Muestra la gráfica usando plt.show().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Plot arsenic and switch and add overlay with the logistic fit
sns.regplot(x = ____, y = ____, 
            y_jitter = ____,
            data = ____, 
            logistic = ____,
            ci = ____)

# Display the plot
____

Editar y ejecutar código