НачатьНачать бесплатно

Линейная регрессия на подходящих данных из квартета Энскомба

Для практики выполните линейную регрессию на том наборе данных из квартета Энскомба, который наиболее обоснованно интерпретируется с помощью линейной регрессии.

Это упражнение является частью курса

Статистическое мышление на Python (часть 2)

Посмотреть курс

Инструкции к упражнению

  • Вычислите параметры наклона и пересечения с помощью np.polyfit(). Данные Энскомба хранятся в массивах x и y.
  • Выведите наклон a и пересечение b.
  • Сгенерируйте теоретические данные \(x\) и \(y\) на основе линейной регрессии. Массив \(x\), который можно создать с помощью np.array(), должен содержать значения 3 и 15. Чтобы получить данные \(y\), умножьте наклон на x_theor и прибавьте пересечение.
  • Постройте диаграмму рассеяния для данных Энскомба, а затем добавьте теоретическую прямую. Не забудьте указать именованные аргументы marker='.' и linestyle='none' вместе с x и y при построении диаграммы рассеяния. Для теоретической прямой эти аргументы не нужны.
  • Нажмите «Отправить ответ», чтобы увидеть график!

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()
Редактировать и запускать код