Lineaire regressies
Voer een lineaire regressie uit voor zowel de data van 1975 als die van 2012. Voer daarna pairs bootstrap-schattingen uit voor de regressieparameters. Rapporteer 95%-betrouwbaarheidsintervallen voor de helling en het snijpunt van de regressielijn.
Je gebruikt de functie draw_bs_pairs_linreg() die je terug in hoofdstuk 2 hebt geschreven.
Ter herinnering: de aanroep is draw_bs_pairs_linreg(x, y, size=1), en de functie retourneert bs_slope_reps en bs_intercept_reps. De gegevens over snavellengte zijn opgeslagen als bl_1975 en bl_2012, en de gegevens over snaveldiepte als bd_1975 en bd_2012.
Deze oefening maakt deel uit van de cursus
Statistical Thinking in Python (deel 2)
Oefeninstructies
- Bereken de helling en het snijpunt voor zowel de gegevens van 1975 als die van 2012.
- Verkrijg 1000 pairs bootstrap-steekproeven voor de lineaire regressies met je functie
draw_bs_pairs_linreg(). - Bereken 95%-betrouwbaarheidsintervallen voor de hellingen en de snijpunten.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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)