BaşlayınÜcretsiz başlayın

Doğrusal regresyon

Doğurganlığın kadın okuryazarlık oranının doğrusal bir fonksiyonu olduğunu varsayacağız. Yani, \(f = a i + b\), burada \(a\) eğim, \(b\) ise kesişimdir. Kesişimi, muhtemelen bir ile iki arasında bir yerde olan en düşük doğurganlık oranı olarak düşünebiliriz. Eğim, doğurganlık oranının okuryazarlıkla nasıl değiştiğini gösterir. En iyi uyum doğrusunu np.polyfit() kullanarak bulabiliriz.

Veriyi ve en iyi uyum doğrusunu çiz. Eğim ve kesişimi yazdır. (Düşün: Birimleri nedir?)

Bu egzersiz, kursun bir parçasıdır

Python ile İstatistiksel Düşünme (Bölüm 2)

Kursa Göz Atın

Egzersiz talimatları

  • np.polyfit() kullanarak regresyon doğrusunun eğimini ve kesişimini hesapla. Unutma, fertility y-ekseni, illiteracy x-ekseni üzerindedir.
  • Doğrusal regresyondan elde ettiğin eğim ve kesişimi yazdır.
  • En iyi uyum doğrusunu çizmek için, np.array() ile 0 ve 100'den oluşan bir x dizisi oluştur. Sonra, regresyon parametrelerine göre kuramsal y değerlerini hesapla; yani y = a * x + b.
  • Veriyi ve regresyon doğrusunu aynı grafikte çiz. Eksenlerini etiketlemeyi unutma.
  • Grafiğini görmek için gönder.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Plot the illiteracy rate versus fertility
_ = plt.plot(illiteracy, fertility, marker='.', linestyle='none')
plt.margins(0.02)
_ = plt.xlabel('percent illiterate')
_ = plt.ylabel('fertility')

# Perform a linear regression using np.polyfit(): a, b
a, b = ____

# Print the results to the screen
print('slope =', a, 'children per woman / percent illiterate')
print('intercept =', b, 'children per woman')

# Make theoretical line to plot
x = ____
y = ____ * ____ + ____

# Add regression line to your plot
_ = plt.plot(____, ____)

# Draw the plot
plt.show()
Kodu Düzenle ve Çalıştır