Intercepción y puntos de partida

En este ejercicio, verás los parámetros de intercepción y pendiente en el contexto de modelar medidas del volumen de una solución contenida en una jarra de vidrio grande. La solución está compuesta por agua, granos, azúcares y levadura. También se registró la masa total de la solución y del recipiente de vidrio, pero no se anotó la masa del recipiente vacío.

Tu tarea es usar el DataFrame de pandas precargado df, con las columnas volumes y masses, para construir un modelo lineal que relacione masses (datos y) con volumes (datos x). La pendiente será una estimación de la densidad (cambio de masa / cambio de volumen) de la solución, y la intercepción será una estimación del peso del recipiente vacío (masa cuando volume=0).

Este ejercicio forma parte del curso

Introducción al modelado lineal en Python

Ver curso

Instrucciones del ejercicio

Importa ols() de statsmodels y úsalo para ajustar un modelo a data=df con formula = "masses ~ volumes".
Extrae la intercepción a0 y la pendiente a1 con .params['Intercept'] y .params['volumes'], respectivamente.
Imprime a0 y a1 con nombres con sentido físico.
Imprime model_fit() y busca valores que coincidan con los anteriores; busca las etiquetas de fila Intercept, volumes, y una etiqueta de columna coef.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import ols from statsmodels, and fit a model to the data
from statsmodels.formula.api import ols
model_fit = ols(formula="____ ~ ____", data=____)
model_fit = model_fit.fit()

# Extract the model parameter values, and assign them to a0, a1
a0 = model_fit.params['____']
a1 = model_fit.params['____']

# Print model parameter values with meaningful names, and compare to summary()
print( "container_mass   = {:0.4f}".format(____) )
print( "solution_density = {:0.4f}".format(____) )
print( model_fit.summary() )

Editar y ejecutar código