MulaiMulai sekarang secara gratis

Memplot regresi bootstrap

Cara yang baik untuk memvisualisasikan variasi yang mungkin terjadi dalam regresi linear adalah dengan memplot garis yang Anda peroleh dari setiap replikasi bootstrap dari kemiringan dan intersep. Lakukan ini untuk 100 replikasi pertama dari kemiringan dan intersep Anda (disimpan sebagai bs_slope_reps dan bs_intercept_reps).

Latihan ini adalah bagian dari kursus

Pemikiran Statistik dengan Python (Bagian 2)

Lihat Kursus

Petunjuk latihan

  • Buat array nilai \(x\) yang berisi 0 dan 100 untuk plot garis regresi. Gunakan fungsi np.array() untuk ini.
  • Tulis for loop yang memplot garis regresi dengan kemiringan dan intersep yang diberikan oleh pasangan replikasi bootstrap. Lakukan ini untuk 100 garis.
    • Saat memplot garis regresi pada setiap iterasi for loop, ingat persamaan regresi y = a*x + b. Di sini, a adalah bs_slope_reps[i] dan b adalah bs_intercept_reps[i].
    • Tentukan argumen kata kunci linewidth=0.5, alpha=0.2, dan color='red' dalam pemanggilan plt.plot().
  • Buat plot sebar dengan illiteracy pada sumbu-x dan fertility pada sumbu-y. Ingat untuk menentukan argumen kata kunci marker='.' dan linestyle='none'.
  • Beri label pada sumbu, atur margin 2%, dan tampilkan plot. Ini sudah dilakukan untuk Anda, jadi tekan submit untuk memvisualisasikan regresi bootstrap!

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Generate array of x-values for bootstrap lines: x
x = ____

# Plot the bootstrap lines
for i in range(____):
    _ = plt.plot(____, 
                 ____*x + ____,
                 ____=0.5, ____=0.2, ____='red')

# Plot the data
_ = ____

# Label axes, set the margins, and show the plot
_ = plt.xlabel('illiteracy')
_ = plt.ylabel('fertility')
plt.margins(0.02)
plt.show()
Edit dan Jalankan Kode