CommencerCommencer gratuitement

Régression linéaire sur des données pertinentes d’Anscombe

Pour vous entraîner, effectuez une régression linéaire sur l’ensemble de données du quartet d’Anscombe qui se prête le mieux à une interprétation linéaire.

Cet exercice fait partie du cours

Réflexion statistique en Python (Partie 2)

Afficher le cours

Instructions

  • Calculez les paramètres de la pente et de l’ordonnée à l’origine avec np.polyfit(). Les données d’Anscombe sont stockées dans les tableaux x et y.
  • Affichez la pente a et l’ordonnée à l’origine b.
  • Générez des données théoriques \(x\) et \(y\) à partir de la régression linéaire. Votre tableau \(x\), que vous pouvez créer avec np.array(), doit contenir 3 et 15. Pour générer les données \(y\), multipliez la pente par x_theor et ajoutez l’ordonnée à l’origine.
  • Représentez les données d’Anscombe sous forme de nuage de points, puis tracez la droite théorique. N’oubliez pas d’inclure les arguments nommés marker='.' et linestyle='none' en plus de x et y lorsque vous tracez le nuage de points des données d’Anscombe. Vous n’avez pas besoin de ces arguments pour tracer la droite théorique.
  • Appuyez sur Soumettre la réponse pour afficher le graphique !

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Perform linear regression: a, b
a, b = ____

# Print the slope and intercept
print(____, ____)

# Generate theoretical x and y data: x_theor, y_theor
x_theor = np.array([____, ____])
y_theor = ____ * ____ + ____

# Plot the Anscombe data and theoretical line
_ = ____
_ = ____

# Label the axes
plt.xlabel('x')
plt.ylabel('y')

# Show the plot
plt.show()
Modifier et exécuter le code