CommencezCommencez gratuitement

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.

Cette activité fait partie du cours

Modèles linéaires généralisés en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Define x at 1.5
x = ____

# Extract intercept & slope from the fitted model
intercept, slope = ____.____
Modifier et exécuter le code