Deviance e transformação linear

Como você viu em exercícios anteriores, a deviance diminui quando você adiciona uma variável que melhora o ajuste do modelo. Neste exercício, você vai trabalhar com o exemplo dos dados de poços e o modelo que você ajustou com a variável distance, mas agora vai avaliar o que acontece quando há uma transformação linear dessa variável.

Observe que a variável distance100 é a variável original distance dividida por 100 para tornar a representação e a interpretação dos resultados mais significativas. Você pode inspecionar os dados com wells.head() para ver as 5 primeiras linhas do conjunto de dados.

O conjunto de dados wells e o modelo 'swicth ~ distance100' foram pré-carregados como model_dist.

Este exercício faz parte do curso

Modelos Lineares Generalizados em Python

Ver curso

Instruções do exercício

Importe statsmodels como sm e a função glm().
Ajuste um modelo de regressão logística com distance como variável explicativa e switch como variável resposta e salve como model_dist_1.
Verifique e imprima a diferença na deviance entre o modelo atual e o modelo com distance100 como variável explicativa.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import functions
import ____.api as ____
from ____.____.api import ____

# Fit logistic regression model as save as model_dist_1
model_dist_1 = ____('____ ~ ____', data = ____, family = ____).____

# Check the difference in deviance of model_dist_1 and model_dist
print('Difference in deviance is: ', round(____.____ - ____.____,3))

Editar e executar o código