概率的变化率
对于 wells 数据集,您已经用模型公式 switch ~ distance100 拟合了一个逻辑回归模型,得到如下拟合:
$$
log(\frac{\mu}{1-\mu}) = 0.6060 - 0.6219\times distance100
$$
在本练习中,您将使用该模型来理解在某个 distance100 值(例如 1.5,如下图所示)处,估计概率如何变化。

回顾 逆 logit(概率)的公式:
$$ \mu = \frac{exp(\beta_0+\beta_1x_1)}{1+exp(\beta_0+\beta_1x_1)} $$
以及模型在点 \(x\) 处拟合曲线的切线斜率:
$$ \beta*\mu(1-\mu) $$
数据集 wells 和模型 wells_GLM 已加载到工作区。
本练习是课程的一部分
Python 中的广义线性模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define x at 1.5
x = ____
# Extract intercept & slope from the fitted model
intercept, slope = ____.____