Variação em Duas Partes
Dado dois conjuntos de dados de distância versus tempo: um com velocidade muito pequena e outro com velocidade grande. Perceba que ambos podem ter o mesmo erro-padrão da inclinação, mas R-quadrado diferente para o modelo como um todo, dependendo do tamanho da inclinação ("tamanho de efeito") em comparação ao erro-padrão ("incerteza").
Se plotarmos ambos como gráficos de dispersão nos mesmos eixos, o contraste fica claro. A variação devida à inclinação é diferente da variação devida à dispersão aleatória em torno da linha de tendência. Neste exercício, seu objetivo é calcular o erro-padrão e o R-quadrado para dois conjuntos de dados e comparar.
Este exercicio faz parte do curso
Introdução à Modelagem Linear em Python
Instruções do exercicio
- Construa e chame
fit()em um modelools()para ambos os conjuntos de dadosdistances1edistances2. - Use o
.bsedos modelos resultantesmodel_1emodel_2, e a chave'times', para extrair os valores de erro-padrão da inclinação de cada modelo. - Use o atributo
.rsquaredpara extrair o valor de R-quadrado de cada modelo. - Imprima
se_1,rsquared_1,se_2,rsquared_2e faça uma comparação visual.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Build and fit two models, for columns distances1 and distances2 in df
model_1 = ols(formula="____ ~ times", data=df).____()
model_2 = ols(formula="____ ~ times", data=df).____()
# Extract R-squared for each model, and the standard error for each slope
se_1 = model_1.____['times']
se_2 = model_2.____['times']
rsquared_1 = model_1.____
rsquared_2 = model_2.____
# Print the results
print('Model 1: SE = {:0.3f}, R-squared = {:0.3f}'.format(____, ____))
print('Model 2: SE = {:0.3f}, R-squared = {:0.3f}'.format(____, ____))