Vérifier l'ajustement du modèle

Dans la vidéo, vous avez analysé l'exemple d'une amélioration de l'ajustement du modèle en ajoutant une variable supplémentaire aux données wells. En poursuivant avec ce jeu de données, vous verrez comment une complexification supplémentaire du modèle influence la déviance et l'ajustement du modèle.

Le jeu de données wells a été préchargé dans l'espace de travail.

Cette activité fait partie du cours

Modèles linéaires généralisés en Python

Voir le cours

Instructions de l’exercice

Ajustez un modèle de régression logistique avec switch comme variable réponse et distance100 et arsenic comme variables explicatives.
Calculez la différence de déviance entre le modèle avec intercept seulement et le modèle incluant toutes les variables.
Affichez la différence calculée.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model_dist_ars = glm(____, ____ = ____, ____ = sm.____.____).____

# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____

# Print the computed difference in deviance
____(____)

Modifier et exécuter le code