1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Studia przypadków w myśleniu statystycznym
Connected

Exercise

Regresja liniowa średniego czasu odcinka

Przyjmiemy założenie, że tempo zawodników spada liniowo w trakcie wyścigu na 800 m. Spowolnienie na odcinek odpowiada wtedy nachyleniu wykresu średniego czasu odcinka w zależności od numeru odcinka. Wykonaj regresję liniową, aby oszacować spowolnienie na odcinek, i oblicz 95-procentowy przedział ufności metodą bootstrap par. Wyświetl również wykres z linią najlepszego dopasowania.

Uwaga: Można obliczyć słupki błędów dla średnich czasów odcinków i uwzględnić je w analizie regresji, ale w tym miejscu pomijamy ten krok, ponieważ wykracza on poza zakres kursu.

Instrukcje

100 XP
  • Użyj funkcji np.polyfit(), aby wykonać regresję liniową i wyznaczyć spowolnienie na odcinek. Zmienne split_number i mean_splits są już dostępne w przestrzeni nazw. Zapisz odpowiednio nachylenie i wyraz wolny w slowdown i split_3.
  • Użyj funkcji dcst.draw_bs_pairs_linreg(), aby obliczyć 10 000 replik bootstrap par dla spowolnienia na odcinek. Wynik zapisz w bs_reps. Repliki bootstrap dla wyrazu wolnego nie są istotne w tej analizie, więc możesz je zapisać w zmiennej zastępczej _.
  • Oblicz 95-procentowy przedział ufności dla spowolnienia na odcinek.
  • Narysuj wykres numeru odcinka (split_number) względem średniego czasu odcinka (mean_splits) w postaci punktów, wraz z linią najlepszego dopasowania.