ПочатиПочніть безкоштовно

Відображення результатів лінійної регресії

Тепер ви відобразите результати лінійної регресії на точковому графіку. Код для нього вже підготовлено з попередньої вправи. Для цього візьміть перші 100 бутстрепних вибірок (збережених у bs_slope_reps_1975, bs_intercept_reps_1975, bs_slope_reps_2012 і bs_intercept_reps_2012) і побудуйте лінії з аргументами alpha=0.2 та linewidth=0.5 для plt.plot().

Ця вправа є частиною курсу

Статистичне мислення в Python (Частина 2)

Переглянути курс

Інструкції до вправи

  • Згенеруйте \(x\)-значення для бутстрепних ліній за допомогою np.array(). Вони мають складатися з 10 мм і 17 мм.
  • Напишіть цикл for, щоб побудувати 100 бутстрепних ліній для наборів даних 1975 і 2012 років. Лінії для набору даних 1975 року мають бути 'blue', а для набору даних 2012 року — 'red'.
  • Натисніть «Надіслати відповідь», щоб переглянути графік!

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Make scatter plot of 1975 data
_ = plt.plot(bl_1975, bd_1975, marker='.',
             linestyle='none', color='blue', alpha=0.5)

# Make scatter plot of 2012 data
_ = plt.plot(bl_2012, bd_2012, marker='.',
             linestyle='none', color='red', alpha=0.5)

# Label axes and make legend
_ = plt.xlabel('beak length (mm)')
_ = plt.ylabel('beak depth (mm)')
_ = plt.legend(('1975', '2012'), loc='upper left')

# Generate x-values for bootstrap lines: x
x = np.array([____, ____])

# Plot the bootstrap lines
for i in range(100):
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)

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