Skatta parametern lambda
I videon lärde du dig hur log-länkfunktionen möjliggör den linjära kombinationen av parametrarna som definierar Poisson-regressionsmodellen på formen
$$ log(\lambda)=\beta_0+\beta_1x_1 $$
För att uttrycka responsfunktionen i termer av lambda exponentierade vi modellfunktionen och fick
$$ \lambda=E(y)=exp(\beta_0 + \beta_1x_1) $$ $$ \lambda=E(y)=exp(\beta_0) \times exp(\beta_1x_1) $$
I den här övningen använder du denna formulering tillsammans med hästskokrabbs-data för att beräkna skattningen av medelvärdet \(y\) för honkrabbans bredd.
Datamängden crab är förinläst 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.
# Import libraries
import ____.____ as sm
from ____.formula.api import ____
# Fit Poisson regression of sat by width
model = ____('____ ~ ____', data = ____, family = ____.____.____).____
# Display model results
____(model.____)