ПочатиПочніть безкоштовно

Лінійна регресія на відповідних даних Анскомба

Для практики виконайте лінійну регресію на наборі даних із квартету Анскомба, який найдоцільніше інтерпретувати за допомогою лінійної регресії.

Ця вправа є частиною курсу

Статистичне мислення в Python (Частина 2)

Переглянути курс

Інструкції до вправи

  • Обчисліть параметри для нахилу та вільного члена за допомогою np.polyfit(). Дані Анскомба збережено в масивах x і y.
  • Виведіть нахил a та вільний член b.
  • Згенеруйте теоретичні дані \(x\) та \(y\) з лінійної регресії. Ваш масив \(x\), який можна створити за допомогою np.array(), має складатися з 3 і 15. Щоб згенерувати дані \(y\), помножте нахил на x_theor і додайте вільний член.
  • Побудуйте дані Анскомба як діаграму розсіювання, а потім побудуйте теоретичну лінію. Не забудьте додати ключові аргументи marker='.' і linestyle='none' разом із x та y, коли будете будувати діаграму розсіювання для даних Анскомба. Для побудови теоретичної лінії ці аргументи не потрібні.
  • Натисніть «Надіслати», щоб побачити графік!

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Perform linear regression: a, b
a, b = ____

# Print the slope and intercept
print(____, ____)

# Generate theoretical x and y data: x_theor, y_theor
x_theor = np.array([____, ____])
y_theor = ____ * ____ + ____

# Plot the Anscombe data and theoretical line
_ = ____
_ = ____

# Label the axes
plt.xlabel('x')
plt.ylabel('y')

# Show the plot
plt.show()
Редагувати та запускати код