เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การพล็อตการถดถอยแบบ Bootstrap

วิธีที่ดีในการแสดงความแปรปรวนที่อาจเกิดขึ้นในการถดถอยเชิงเส้น คือการพล็อตเส้นที่ได้จาก bootstrap replicate แต่ละชุดของ slope และ intercept ให้ทำสิ่งนี้กับ bootstrap replicate ชุดแรก 100 ชุดของ slope และ intercept (ซึ่งเก็บอยู่ใน bs_slope_reps และ bs_intercept_reps)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 2)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างอาร์เรย์ของค่า \(x\) ที่ประกอบด้วย 0 และ 100 สำหรับพล็อตเส้นถดถอย โดยใช้ฟังก์ชัน np.array()
  • เขียนลูป for เพื่อพล็อตเส้นถดถอยโดยใช้ slope และ intercept จาก pairs bootstrap replicates ทำสิ่งนี้สำหรับเส้นทั้งหมด 100 เส้น
    • เมื่อพล็อตเส้นถดถอยในแต่ละรอบของลูป for ให้นึกถึงสมการถดถอย y = a*x + b โดย a คือ bs_slope_reps[i] และ b คือ bs_intercept_reps[i]
    • ระบุ keyword arguments linewidth=0.5, alpha=0.2, และ color='red' ในการเรียก plt.plot()
  • สร้าง scatter plot โดยให้ illiteracy อยู่บนแกน x และ fertility อยู่บนแกน y อย่าลืมระบุ keyword arguments marker='.' และ linestyle='none'
  • กำหนดชื่อแกน ตั้งค่า margin 2% และแสดงกราฟ ส่วนนี้เตรียมไว้ให้แล้ว กด Submit เพื่อดูผลการถดถอยแบบ Bootstrap ได้เลย!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Generate array of x-values for bootstrap lines: x
x = ____

# Plot the bootstrap lines
for i in range(____):
    _ = plt.plot(____, 
                 ____*x + ____,
                 ____=0.5, ____=0.2, ____='red')

# Plot the data
_ = ____

# Label axes, set the margins, and show the plot
_ = plt.xlabel('illiteracy')
_ = plt.ylabel('fertility')
plt.margins(0.02)
plt.show()
แก้ไขและรันโค้ด