IniziaInizia gratis

Regressione lineare sui dati appropriati di Anscombe

Per esercitarti, esegui una regressione lineare sul set di dati del quartetto di Anscombe che si presta meglio a un'interpretazione lineare.

Questo esercizio fa parte del corso

Pensiero statistico in Python (Parte 2)

Visualizza il corso

Istruzioni dell'esercizio

  • Calcola i parametri della pendenza e dell'intercetta usando np.polyfit(). I dati di Anscombe sono memorizzati negli array x e y.
  • Stampa la pendenza a e l'intercetta b.
  • Genera dati teorici di \(x\) e \(y\) dalla regressione lineare. Il tuo array \(x\), che puoi creare con np.array(), deve essere composto da 3 e 15. Per generare i dati di \(y\), moltiplica la pendenza per x_theor e aggiungi l'intercetta.
  • Rappresenta i dati di Anscombe come scatter plot e poi traccia la retta teorica. Ricorda di includere gli argomenti marker='.' e linestyle='none' oltre a x e y quando tracci lo scatter plot dei dati di Anscombe. Non ti servono questi argomenti quando tracci la retta teorica.
  • Premi Invia per vedere il grafico!

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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()
Modifica ed esegui il codice