Zacznij terazZacznij za darmo

Rysowanie regresji bootstrapowych

Zmienność, jakiej można się spodziewać w regresji liniowej, dobrze zobrazuje wykres prostych odpowiadających kolejnym replikatom bootstrapowym nachylenia i wyrazu wolnego. Narysuj takie proste dla pierwszych 100 replikatów bootstrapowych nachylenia i wyrazu wolnego (zapisanych jako bs_slope_reps i bs_intercept_reps).

To ćwiczenie jest częścią kursu

Myślenie statystyczne w Pythonie (część 2)

Zobacz kurs

Instrukcje do ćwiczenia

  • Wygeneruj tablicę wartości \(x\) złożoną z 0 i 100, potrzebną do wykresu prostych regresji. Użyj do tego funkcji np.array().
  • Napisz pętlę for, w której rysujesz prostą regresji o nachyleniu i wyrazie wolnym wyznaczonych przez pary replikatów bootstrapowych. Narysuj 100 takich prostych.
    • Rysując proste regresji w kolejnych iteracjach pętli for, skorzystaj z równania regresji y = a*x + b. Tutaj a to bs_slope_reps[i], a b to bs_intercept_reps[i].
    • W wywołaniu plt.plot() podaj argumenty kluczowe linewidth=0.5, alpha=0.2 i color='red'.
  • Stwórz wykres punktowy z illiteracy na osi x i fertility na osi y. Pamiętaj o argumentach kluczowych marker='.' i linestyle='none'.
  • Opisz osie, ustaw margines 2% i wyświetl wykres. Ten krok jest już gotowy – kliknij Prześlij odpowiedź, aby zobaczyć regresje bootstrapowe!

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Generate array of x-values for bootstrap lines: x
x = ____

# Plot the bootstrap lines
for i in range(____):
    _ = plt.plot(____, 
                 ____*x + ____,
                 ____=0.5, ____=0.2, ____='red')

# Plot the data
_ = ____

# Label axes, set the margins, and show the plot
_ = plt.xlabel('illiteracy')
_ = plt.ylabel('fertility')
plt.margins(0.02)
plt.show()
Edytuj i uruchom kod