ComeçarComece de graça

Regressão linear nos dados apropriados de Anscombe

Para praticar, faça uma regressão linear no conjunto de dados do quarteto de Anscombe que é mais razoavelmente interpretado com regressão linear.

Este exercício faz parte do curso

Pensamento Estatístico em Python (Parte 2)

Ver curso

Instruções do exercício

  • Calcule os parâmetros da inclinação e do intercepto usando np.polyfit(). Os dados de Anscombe estão armazenados nos arrays x e y.
  • Imprima a inclinação a e o intercepto b.
  • Gere dados teóricos de \(x\) e \(y\) a partir da regressão linear. Seu array \(x\), que você pode criar com np.array(), deve conter 3 e 15. Para gerar os dados de $y, multiplique a inclinação porx_theor` e some o intercepto.
  • Plote os dados de Anscombe como um gráfico de dispersão e depois trace a reta teórica. Lembre-se de incluir os argumentos nomeados marker='.' e linestyle='none' além de x e y ao plotar os dados de Anscombe como dispersão. Você não precisa desses argumentos ao plotar a reta teórica.
  • Clique em Enviar para ver o gráfico!

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Perform linear regression: a, b
a, b = ____

# Print the slope and intercept
print(____, ____)

# Generate theoretical x and y data: x_theor, y_theor
x_theor = np.array([____, ____])
y_theor = ____ * ____ + ____

# Plot the Anscombe data and theoretical line
_ = ____
_ = ____

# Label the axes
plt.xlabel('x')
plt.ylabel('y')

# Show the plot
plt.show()
Editar e executar o código