Regresje liniowe
Wykonaj regresję liniową zarówno dla danych z 1975, jak i z 2012 roku. Następnie wyznacz estymaty bootstrapowe metodą par dla parametrów regresji. Podaj 95% przedziały ufności dla nachylenia i punktu przecięcia prostej regresji.
Skorzystaj z funkcji draw_bs_pairs_linreg(), którą napisano w rozdziale 2.
Dla przypomnienia: sygnatura wywołania tej funkcji to draw_bs_pairs_linreg(x, y, size=1), a zwraca ona bs_slope_reps oraz bs_intercept_reps. Dane dotyczące długości dzioba są przechowywane jako bl_1975 i bl_2012, a dane dotyczące głębokości dzioba – jako bd_1975 i bd_2012.
To ćwiczenie jest częścią kursu
Myślenie statystyczne w Pythonie (część 2)
Instrukcje do ćwiczenia
- Oblicz nachylenie i punkt przecięcia dla zbiorów danych z 1975 i 2012 roku.
- Uzyskaj 1000 par próbek bootstrapowych dla regresji liniowych, używając funkcji
draw_bs_pairs_linreg(). - Oblicz 95% przedziały ufności dla nachyleń i punktów przecięcia.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compute the linear regressions
slope_1975, intercept_1975 = ____
slope_2012, intercept_2012 = ____
# Perform pairs bootstrap for the linear regressions
bs_slope_reps_1975, bs_intercept_reps_1975 = \
____
bs_slope_reps_2012, bs_intercept_reps_2012 = \
____
# Compute confidence intervals of slopes
slope_conf_int_1975 = ____
slope_conf_int_2012 = ____
intercept_conf_int_1975 = ____
intercept_conf_int_2012 = ____
# Print the results
print('1975: slope =', slope_1975,
'conf int =', slope_conf_int_1975)
print('1975: intercept =', intercept_1975,
'conf int =', intercept_conf_int_1975)
print('2012: slope =', slope_2012,
'conf int =', slope_conf_int_2012)
print('2012: intercept =', intercept_2012,
'conf int =', intercept_conf_int_2012)