1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uogólnione modele liniowe w Pythonie
Connected

ćwiczenie

Tempo zmian prawdopodobieństwa

Dla zbioru danych wells dopasowano już model regresji logistycznej z formułą switch ~ distance100, uzyskując następujące dopasowanie: $$ log(\frac{\mu}{1-\mu}) = 0.6060 - 0.6219\times distance100 $$

W tym ćwiczeniu wykorzystasz ten model, aby zrozumieć, jak zmienia się szacowane prawdopodobieństwo dla określonej wartości distance100 – powiedzmy 1,5, co przedstawia poniższy rysunek.

Przypomnij sobie wzory na odwrotność funkcji logitowej (prawdopodobieństwo):

$$ \mu = \frac{exp(\beta_0+\beta_1x_1)}{1+exp(\beta_0+\beta_1x_1)} $$

oraz nachylenie stycznej do krzywej dopasowania modelu w punkcie \(x\):

$$ \beta*\mu(1-\mu) $$

Zbiór danych wells oraz model wells_GLM są wczytane do środowiska pracy.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Zdefiniuj x jako wartość distance100 równą 1,5.
  • Wyodrębnij współczynniki modelu i zapisz je odpowiednio jako intercept oraz slope.