CommencerCommencer gratuitement

Afficher les résultats de la régression linéaire

Vous allez maintenant afficher vos résultats de régression linéaire sur le nuage de points, dont le code est déjà préécrit à partir de l’exercice précédent. Pour cela, prenez les 100 premiers échantillons bootstrap (stockés dans bs_slope_reps_1975, bs_intercept_reps_1975, bs_slope_reps_2012 et bs_intercept_reps_2012) et tracez les droites avec les arguments mots-clés alpha=0.2 et linewidth=0.5 dans plt.plot().

Cet exercice fait partie du cours

Réflexion statistique en Python (Partie 2)

Afficher le cours

Instructions

  • Générez les valeurs de \(x\) pour les droites bootstrap en utilisant np.array(). Elles doivent être composées de 10 mm et 17 mm.
  • Écrivez une boucle for pour tracer 100 des droites bootstrap pour les jeux de données de 1975 et 2012. Les droites pour le jeu de 1975 doivent être 'blue' et celles pour 2012 'red'.
  • Appuyez sur Soumettre pour afficher le graphique !

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Make scatter plot of 1975 data
_ = plt.plot(bl_1975, bd_1975, marker='.',
             linestyle='none', color='blue', alpha=0.5)

# Make scatter plot of 2012 data
_ = plt.plot(bl_2012, bd_2012, marker='.',
             linestyle='none', color='red', alpha=0.5)

# Label axes and make legend
_ = plt.xlabel('beak length (mm)')
_ = plt.ylabel('beak depth (mm)')
_ = plt.legend(('1975', '2012'), loc='upper left')

# Generate x-values for bootstrap lines: x
x = np.array([____, ____])

# Plot the bootstrap lines
for i in range(100):
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)

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