1. Apprendre
    2. /
  2. Cours
    3. /
  3. Modèles linéaires généralisés en Python
Connected

Exercice

Taux de variation de la probabilité

Pour le jeu de données wells, vous avez déjà ajusté un modèle de régression logistique avec la formule switch ~ distance100 et obtenu l'ajustement suivant $$ log(\frac{\mu}{1-\mu}) = 0.6060 - 0.6219\times distance100 $$

Dans cet exercice, vous utiliserez ce modèle pour comprendre comment la probabilité estimée varie à une certaine valeur de distance100, disons 1,5, comme illustré dans la figure ci-dessous.

Rappelez-vous les formules pour la fonction logit inverse (probabilité)

$$ \mu = \frac{exp(\beta_0+\beta_1x_1)}{1+exp(\beta_0+\beta_1x_1)} $$

et la pente de la tangente de l'ajustement du modèle au point \(x\) :

$$ \beta*\mu(1-\mu) $$

Le jeu de données wells et le modèle wells_GLM sont déjà chargés dans l'espace de travail.

Instructions 1/3

undefined XP
    1
    2
    3
  • Définissez x comme la valeur distance100 de 1,5.
  • Extrayez les coefficients du modèle et enregistrez-les respectivement sous intercept et slope.