Estimasi parameter lambda
Dalam video, Anda mempelajari bagaimana fungsi taut log menyediakan kombinasi linear pada parameter yang mendefinisikan model regresi Poisson dalam bentuk
$$ log(\lambda)=\beta_0+\beta_1x_1 $$
Untuk memperoleh fungsi respons dalam bentuk lambda, kita mengekspontasikan fungsi model sehingga diperoleh
$$ \lambda=E(y)=exp(\beta_0 + \beta_1x_1) $$ $$ \lambda=E(y)=exp(\beta_0) \times exp(\beta_1x_1) $$
Dalam latihan ini, Anda akan menggunakan perumusan tersebut dengan data horseshoe crab untuk menghitung taksiran mean \(y\) berdasarkan lebar kepiting betina.
Himpunan data crab sudah dimuat di workspace.
Latihan ini merupakan bagian dari kursus
Generalized Linear Models di Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Import libraries
import ____.____ as sm
from ____.formula.api import ____
# Fit Poisson regression of sat by width
model = ____('____ ~ ____', data = ____, family = ____.____.____).____
# Display model results
____(model.____)