Độ biến thiên quanh xu thế
Dữ liệu không nhất thiết phải tuyến tính hoàn hảo; luôn có một chút ngẫu nhiên hay "độ phân tán" trong phép đo, và điều đó sẽ dẫn đến biến thiên trong các tham số của mô hình. Độ biến thiên này ở tham số được định lượng bằng "độ lệch chuẩn của ước lượng" (standard error), và được diễn giải như là "mức độ bất định" trong ước lượng của tham số mô hình.
Trong bài này, bạn sẽ dùng ols từ statsmodels để xây dựng một mô hình và trích xuất độ lệch chuẩn của ước lượng cho từng tham số của mô hình đó.
Bài tập này là một phần của khóa học
Nhập môn Mô hình tuyến tính với Python
Hướng dẫn bài tập
- Lưu dữ liệu đã nạp sẵn vào DataFrame
df, đặt nhãnx_datalàtimesvày_datalàdistances. - Dùng
model_fit = ols().fit()để khớp mô hình tuyến tính với dạngformula="distances ~ times"trêndata=df. - Trích xuất hệ số chặn ước lượng
model_fit.params['Intercept']và độ lệch chuẩn của hệ số chặn từmodel_fit.bse['Intercept']. - Lặp lại cho hệ số dốc, rồi in cả 4 giá trị với tên dễ hiểu.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Store x_data and y_data, as times and distances, in df, and use ols() to fit a model to it.
df = pd.DataFrame(dict(____=x_data, ____=y_data))
model_fit = ols(____="distances ~ times", data=____).____()
# Extact the model parameters and their uncertainties
a0 = model_fit.____['Intercept']
e0 = model_fit.____['Intercept']
a1 = model_fit.____['times']
e1 = model_fit.____['times']
# Print the results with more meaningful names
print('Estimate of the intercept = {:0.2f}'.format(____))
print('Uncertainty of the intercept = {:0.2f}'.format(____))
print('Estimate of the slope = {:0.2f}'.format(____))
print('Uncertainty of the slope = {:0.2f}'.format(____))