Regressioni lineari
Esegui una regressione lineare sia per i dati del 1975 sia per quelli del 2012. Poi, esegui stime bootstrap a coppie per i parametri della regressione. Riporta gli intervalli di confidenza al 95% per la pendenza e l’intercetta della retta di regressione.
Userai la funzione draw_bs_pairs_linreg() che hai scritto nel capitolo 2.
Ricorda che la sua firma è draw_bs_pairs_linreg(x, y, size=1) e restituisce bs_slope_reps e bs_intercept_reps. I dati sulla lunghezza del becco sono salvati come bl_1975 e bl_2012, mentre i dati sulla profondità del becco sono salvati in bd_1975 e bd_2012.
Questo esercizio fa parte del corso
Pensiero statistico in Python (Parte 2)
Istruzioni dell'esercizio
- Calcola pendenza e intercetta per gli insiemi di dati del 1975 e del 2012.
- Ottieni 1000 campioni bootstrap a coppie per le regressioni lineari usando la tua funzione
draw_bs_pairs_linreg(). - Calcola gli intervalli di confidenza al 95% per pendenze e intercette.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Compute the linear regressions
slope_1975, intercept_1975 = ____
slope_2012, intercept_2012 = ____
# Perform pairs bootstrap for the linear regressions
bs_slope_reps_1975, bs_intercept_reps_1975 = \
____
bs_slope_reps_2012, bs_intercept_reps_2012 = \
____
# Compute confidence intervals of slopes
slope_conf_int_1975 = ____
slope_conf_int_2012 = ____
intercept_conf_int_1975 = ____
intercept_conf_int_2012 = ____
# Print the results
print('1975: slope =', slope_1975,
'conf int =', slope_conf_int_1975)
print('1975: intercept =', intercept_1975,
'conf int =', intercept_conf_int_1975)
print('2012: slope =', slope_2012,
'conf int =', slope_conf_int_2012)
print('2012: intercept =', intercept_2012,
'conf int =', intercept_conf_int_2012)