IniziaInizia gratis

Tracciare regressioni bootstrap

Un bel modo per visualizzare la variabilità attesa in una regressione lineare è tracciare la retta che otterresti da ciascuna replica bootstrap di pendenza e intercetta. Fallo per le prime 100 repliche bootstrap di pendenza e intercetta (memorizzate come bs_slope_reps e bs_intercept_reps).

Questo esercizio fa parte del corso

Pensiero statistico in Python (Parte 2)

Visualizza il corso

Istruzioni dell'esercizio

  • Genera un array di valori di \(x\) composto da 0 e 100 per il grafico delle rette di regressione. Usa la funzione np.array() per farlo.
  • Scrivi un ciclo for in cui tracci una retta di regressione con pendenza e intercetta fornite dalle repliche bootstrap a coppie. Fallo per 100 rette.
    • Quando tracci le rette di regressione in ogni iterazione del ciclo for, ricorda l'equazione di regressione y = a*x + b. Qui, a è bs_slope_reps[i] e b è bs_intercept_reps[i].
    • Specifica gli argomenti linewidth=0.5, alpha=0.2 e color='red' nella chiamata a plt.plot().
  • Crea uno scatter plot con illiteracy sull'asse x e fertility sull'asse y. Ricordati di specificare gli argomenti marker='.' e linestyle='none'.
  • Etichetta gli assi, imposta un margine del 2% e mostra il grafico. Questo è già stato fatto per te, quindi premi Invia risposta per visualizzare le regressioni bootstrap!

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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()
Modifica ed esegui il codice