ÎncepețiÎncepe gratuit

Variația în jurul tendinței

Datele nu trebuie să fie perfect liniare – pot exista variații aleatorii sau o anumită „dispersie" în măsurători, iar aceasta se reflectă și în variația parametrilor modelului. Această variație a parametrilor este cuantificată prin „eroarea standard" și interpretată drept „incertitudine" în estimarea parametrului respectiv.

În acest exercițiu, vei folosi ols din statsmodels pentru a construi un model și a extrage eroarea standard pentru fiecare parametru al acestuia.

Acest exercițiu face parte din cursul

Introducere în modelarea liniară în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Stochează datele preîncărcate într-un DataFrame df, etichetând x_data ca times și y_data ca distances.
  • Folosește model_fit = ols().fit() pentru a ajusta un model liniar de forma formula="distances ~ times" pe data=df.
  • Extrage valoarea estimată a interceptului model_fit.params['Intercept'] și eroarea standard a interceptului din model_fit.bse['Intercept'].
  • Repetă același proces pentru pantă, apoi afișează toate cele 4 valori cu denumiri sugestive.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Store x_data and y_data, as times and distances, in df, and use ols() to fit a model to it.
df = pd.DataFrame(dict(____=x_data, ____=y_data))
model_fit = ols(____="distances ~ times", data=____).____()

# Extact the model parameters and their uncertainties
a0 = model_fit.____['Intercept']
e0 = model_fit.____['Intercept']
a1 = model_fit.____['times']
e1 = model_fit.____['times']

# Print the results with more meaningful names
print('Estimate    of the intercept = {:0.2f}'.format(____))
print('Uncertainty of the intercept = {:0.2f}'.format(____))
print('Estimate    of the slope = {:0.2f}'.format(____))
print('Uncertainty of the slope = {:0.2f}'.format(____))
Editează și rulează codul