Подгонка отрицательного биномиального распределения

Отрицательное биномиальное распределение допускает превышение дисперсии над средним значением — именно это вы наблюдали в предыдущем упражнении на данных crab. В этом упражнении вы вернётесь к ранее выполненной подгонке регрессии Пуассона с логарифмической функцией связи и дополнительно подгоните модель отрицательного биномиального распределения, также используя логарифмическую функцию связи.

Вы проанализируете, как изменились статистические показатели.

Модель crab_pois и набор данных crab уже загружены в вашем рабочем пространстве.

Это упражнение является частью курса

Обобщённые линейные модели в Python

Посмотреть курс

Инструкции к упражнению

Определите формулу для регрессионной модели, в которой sat предсказывается на основе width.
Подгоните модель отрицательного биномиального распределения, используя NegativeBinomial(), и сохраните её как crab_NB.
Выведите сводки модели Пуассона crab_pois и только что подогнанной модели отрицательного биномиального распределения.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Define the formula for the model fit
formula = '____ ~ ____'

# Fit the GLM negative binomial model using log link function
crab_NB = smf.glm(formula = ____, data = ____, 
				  family = ____.____.____).____

# Print Poisson model's summary
print(____.____)

# Print the negative binomial model's summary
print(____.____)

Редактировать и запускать код