Phân phối của sai số
Hầu như không có quy trình thực tế nào có thể dự đoán hoàn hảo. Kết quả mong muốn là sai số có phân phối chuẩn. Điều này có nghĩa là một số giá trị thực tế sẽ cao hơn dự đoán của bạn và một số sẽ thấp hơn. Tức là, các sai số (ví dụ: hiệu giữa giá trị thực tế và giá trị dự đoán) sẽ như “dao động” ngẫu nhiên quanh không.
Trong bài tập này, bạn sẽ phân tích kết quả từ một mô hình tuyến tính dựng sẵn dùng để dự đoán lương của cảnh sát. Bạn sẽ xem xét sai số và kiểm tra liệu nó xấp xỉ phân phối chuẩn hay không. Các dự đoán là một danh sách giá trị lưu trong preds, và các mức lương thực tế là một danh sách giá trị lưu trong salaries.
Bài tập này là một phần của khóa học
Nền tảng Suy luận trong Python
Hướng dẫn bài tập
- Tính sai số bằng mức lương thực tế trừ đi mức lương dự đoán.
- Vẽ histogram của các sai số.
- Thực hiện kiểm định chuẩn tính Anderson–Darling cho các sai số.
- Tìm và in (các)
significance_leveltại đó giả thuyết không bị bác bỏ.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Compute the error as actual minus predicted salary
error = ____
# Plot the errors as a histogram
plt.____(____)
plt.show()
# Conduct an Anderson-Darling test using the years of experience
result = ____(____)
# Find where the result is significant
print(result.____[result.____ > result.____])