Calculando a estatística de Wald
No exercício anterior, você ajustou um modelo com a variável width e avaliou a relação entre a variável explicativa e a resposta. Neste exercício, você vai avaliar a significância da variável width calculando a estatística de Wald.
Observe também que, no sumário do modelo, a estatística de Wald é apresentada pela letra z, o que significa que o valor da estatística segue uma distribuição normal padrão. Relembre a fórmula da estatística de Wald:
$$ z=\frac{\hat\beta}{SE} $$
em que \(\hat\beta\) é o coeficiente estimado e \(SE\) é seu erro-padrão.
O modelo ajustado crab_GLM e o conjunto de dados crab já foram carregados no ambiente de trabalho.
Este exercício faz parte do curso
Modelos Lineares Generalizados em Python
Instruções do exercício
- Usando
.params, extraia e imprima os coeficientes do modelo e salve como intercept e slope. - Salve e imprima a matriz de covariância como
crab_cov. - Calcule e imprima o erro-padrão
std_errorextraindo o elemento relevante da matriz de covariância. - Calcule e imprima a estatística de Wald.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Extract coefficients
intercept, slope = ____.____
# Estimated covariance matrix: crab_cov
____ = crab_GLM.____
print(____)
# Compute standard error (SE): std_error
____ = np.____(____.loc['width', 'width'])
print('SE: ', round(____, 4))
# Compute Wald statistic
wald_stat = ____/____
print('Wald statistic: ', round(____,4))