Estimar o parâmetro lambda
No vídeo, você aprendeu como a função de ligação log fornece a combinação linear nos parâmetros que define o modelo de regressão de Poisson da forma
$$ log(\lambda)=\beta_0+\beta_1x_1 $$
Para obter a função de resposta em termos de lambda, exponenciamos a função do modelo e obtemos
$$ \lambda=E(y)=exp(\beta_0 + \beta_1x_1) $$ $$ \lambda=E(y)=exp(\beta_0) \times exp(\beta_1x_1) $$
Neste exercício, você vai usar essa formulação com os dados do caranguejo-ferradura para calcular a estimativa da média de \(y\) para a largura da fêmea.
O conjunto de dados crab já está pré-carregado no ambiente de trabalho.
Este exercício faz parte do curso
Modelos Lineares Generalizados em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import libraries
import ____.____ as sm
from ____.formula.api import ____
# Fit Poisson regression of sat by width
model = ____('____ ~ ____', data = ____, family = ____.____.____).____
# Display model results
____(model.____)