線形回帰：適切な Anscombe データに対して
練習として、Anscombe の四分位の中で、線形回帰で解釈するのが最も妥当なデータセットに対して線形回帰を実行してください。
この演習はコースの一部です
Pythonで学ぶ統計思考（パート2）
演習の手順
np.polyfit()を使って傾きと切片のパラメータを計算します。Anscombe のデータは配列xとyに格納されています。- 傾き
aと切片bを表示します。 - 線形回帰から理論上の \(x\) と \(y\) データを生成します。
np.array()で作成する \(x\) 配列は3と15から成るものにしてください。\(y\) データは、傾きをx_theorに掛け、切片を足して生成します。 - Anscombe データを散布図として描画し、その後に理論直線を描画します。散布図を描く際は、
xとyに加えてmarker='.'とlinestyle='none'のキーワード引数を指定するのを忘れないでください。理論直線を描くときはこれらの引数は不要です。 - 完了したら提出してプロットを確認しましょう！
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()