ÎncepețiÎncepe gratuit

Variația în Două Părți

Ai la dispoziție două seturi de date distanță-timp: unul cu viteză foarte mică și altul cu viteză mare. Observă că ambele pot avea aceeași eroare standard a pantei, dar valori diferite ale lui R-squared pentru model în ansamblu, în funcție de mărimea pantei („dimensiunea efectului") comparativ cu eroarea standard („incertitudinea").

Dacă reprezentăm ambele seturi de date ca diagrame de dispersie pe aceleași axe, contrastul devine evident. Variația datorată pantei diferă de variația cauzată de împrăștierea aleatorie față de linia de tendință. În acest exercițiu, scopul tău este să calculezi eroarea standard și R-squared pentru cele două seturi de date și să le compari.

Acest exercițiu face parte din cursul

Introducere în modelarea liniară în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Construiește și aplică fit() unui model ols() pentru ambele seturi de date, distances1 și distances2.
  • Folosește atributul .bse al modelelor rezultate model_1 și model_2, împreună cu cheia 'times', pentru a extrage valorile erorii standard ale pantei din fiecare model.
  • Folosește atributul .rsquared pentru a extrage valoarea R-squared din fiecare model.
  • Afișează valorile se_1, rsquared_1, se_2, rsquared_2 și compară-le vizual.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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(____, ____))
Editează și rulează codul