Förändringshastighet i sannolikhet
För datamängden wells har du redan anpassat en logistisk regressionsmodell med modellformeln switch ~ distance100 och erhållit följande anpassning
$$
log(\frac{\mu}{1-\mu}) = 0.6060 - 0.6219\times distance100
$$
I den här övningen använder du den modellen för att förstå hur den skattade sannolikheten förändras vid ett visst värde av distance100, till exempel 1,5 som visas i figuren nedan.
Kom ihåg formlerna för invers-logit (sannolikhet)
$$ \mu = \frac{exp(\beta_0+\beta_1x_1)}{1+exp(\beta_0+\beta_1x_1)} $$
och tangentlinjens lutning för modellanpassningen vid punkten \(x\):
$$ \beta*\mu(1-\mu) $$
Datamängden wells och modellen wells_GLM är inlästa i arbetsytan.
Den här övningen är en del av kursen
Generaliserade linjära modeller i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Define x at 1.5
x = ____
# Extract intercept & slope from the fitted model
intercept, slope = ____.____