1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do modelowania liniowego w Pythonie
Connected

ćwiczenie

Zmienność wokół trendu

Dane nie muszą być idealnie liniowe – w pomiarach może występować pewna losowa zmienność lub „rozrzut", który przekłada się na zmienność parametrów modelu. Ta zmienność jest wyrażana przez „błąd standardowy" i interpretowana jako „niepewność" w szacowaniu parametru modelu.

W tym ćwiczeniu użyjesz funkcji ols z biblioteki statsmodels, aby zbudować model i wyodrębnić błąd standardowy dla każdego z jego parametrów.

Instrukcje

100 XP
  • Zapisz wstępnie załadowane dane w DataFrame df, nadając kolumnom nazwy: x_data → times oraz y_data → distances.
  • Użyj model_fit = ols().fit(), aby dopasować model liniowy z formułą formula="distances ~ times" do danych data=df.
  • Wyodrębnij szacowany wyraz wolny model_fit.params['Intercept'] oraz błąd standardowy wyrazu wolnego z model_fit.bse['Intercept'].
  • Powtórz to samo dla nachylenia, a następnie wydrukuj wszystkie 4 wartości z czytelnymi nazwami.