НачатьНачать бесплатно

Отображение результатов линейной регрессии

Теперь вы отобразите результаты линейной регрессии на диаграмме рассеяния — её код уже подготовлен для вас из предыдущего упражнения. Для этого возьмите первые 100 бутстрэп-выборок (хранящихся в bs_slope_reps_1975, bs_intercept_reps_1975, bs_slope_reps_2012 и bs_intercept_reps_2012) и постройте прямые, передав в plt.plot() аргументы alpha=0.2 и linewidth=0.5.

Это упражнение является частью курса

Статистическое мышление на Python (часть 2)

Посмотреть курс

Инструкции к упражнению

  • Сформируйте значения по оси \(x\) для бутстрэп-прямых с помощью np.array(). Они должны содержать 10 мм и 17 мм.
  • Напишите цикл for, чтобы построить 100 бутстрэп-прямых для наборов данных 1975 и 2012 годов. Линии для набора данных 1975 года должны быть 'blue', а для набора данных 2012 года — 'red'.
  • Нажмите «Отправить ответ», чтобы увидеть график!

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Make scatter plot of 1975 data
_ = plt.plot(bl_1975, bd_1975, marker='.',
             linestyle='none', color='blue', alpha=0.5)

# Make scatter plot of 2012 data
_ = plt.plot(bl_2012, bd_2012, marker='.',
             linestyle='none', color='red', alpha=0.5)

# Label axes and make legend
_ = plt.xlabel('beak length (mm)')
_ = plt.ylabel('beak depth (mm)')
_ = plt.legend(('1975', '2012'), loc='upper left')

# Generate x-values for bootstrap lines: x
x = np.array([____, ____])

# Plot the bootstrap lines
for i in range(100):
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)

# Draw the plot again
plt.show()
Редактировать и запускать код