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
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 = ____.____