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.
To ćwiczenie jest częścią kursu
Uogólnione modele liniowe w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Define x at 1.5
x = ____
# Extract intercept & slope from the fitted model
intercept, slope = ____.____