Wir haben folgende lineare Regression: y ~ b0 + b1 * x1 + b2 * x2. Ich weiß, dass Regress-Funktion in Matlab es berechnet, aber numpy's linalg.lstsq nicht (https://docs.scipy.org/doc/numpy-dev/user/numpy-for-matlab-users.html).Wie berechnet man das 99% -Konfidenzintervall für die Steigung in einem linearen Regressionsmodell in Python?
Antwort
: wie von Brian unterstreicht, ich den Code aus scipy Dokumentation hatte StatsModels 'RegressionResults
hat eine conf_int()
Methode. Hier ist ein Beispiel es (minimal modifizierte Version ihres Ordinary Least Squares Beispiels) mit:
import numpy as np, statsmodels.api as sm
nsample = 100
x = np.linspace(0, 10, nsample)
X = np.column_stack((x, x**2))
beta = np.array([1, 0.1, 10])
e = np.random.normal(size=nsample)
X = sm.add_constant(X)
y = np.dot(X, beta) + e
mod = sm.OLS(y, X)
res = mod.fit()
print res.conf_int(0.01) # 99% confidence interval
Sie können scipy die lineare Regression verwenden, die den r/p-Wert und Standardfehler tun berechnen: http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.linregress.html
EDIT:
from scipy import stats
import numpy as np
x = np.random.random(10)
y = np.random.random(10)
slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)
confidence_interval = 2.58*std_err
Wie das Konfidenzintervall von 99% für die Steigung r/p-Wert und Standardfehler mit berechnen? – user2558053
Wenn ich mich nicht irre, entspricht das 99% Konfidenzintervall einem 2.58 * stderr. Quelle: https://en.wikipedia.org/wiki/Confidence_interval – CoMartel
Der r-Wert kann als Indikator für die Regression "Qualität" verwendet werden: je mehr es in der Nähe von 1 ist, desto besser ist die Regression. – CoMartel
- 1. Wie der 95% Konfidenzintervall für die Steigung in einem linearen Regressionsmodell in R
- 2. Anpassen, wie das glatte Konfidenzintervall berechnet wird
- 3. Konfidenzintervall für LOWESS in Python
- 4. Wie berechnet predict.lm() Konfidenzintervall und Vorhersageintervall?
- 5. lineares Regressionsmodell mit ARMA/ARIMA in Python
- 6. Berechne das Konfidenzintervall für 1 Dimensions-Zufallsdaten
- 7. Wie berechnet man Fehler für polynomische Anpassung (in Steigung und Schnittpunkt)
- 8. d3.js: Übergang der Farben in einem linearen linearen Gradienten?
- 9. Konfidenzintervall für t-Test (Differenz zwischen Mittelwerte) in Python
- 10. Wie berechnet Python Werte in einem Heap?
- 11. Konfidenzintervall für Binomialdaten in R?
- 12. Screening (multi) Collinearity in einem Regressionsmodell
- 13. Wie berechnet man die Anzahl der Tage in einem Zeitraum?
- 14. Locating Bereich zwischen einem Konfidenzintervall in Daten mit Python
- 15. Die Standardabweichung des absoluten Fehlers für ein lineares Regressionsmodell
- 16. Gibt es ein Werkzeug für das Regressionsmodell?
- 17. Wie berechnet man sofort, sobald man in das iPhone titelt?
- 18. Wie berechnet man die Häufigkeitsverteilung in R?
- 19. (Python) Estimating Regressionsparameter Konfidenzintervall mit scikits Bootstrap
- 20. Wie verbessert man das für in Python?
- 21. Wie wird das Bildsymbol in einem linearen Layout ausgerichtet?
- 22. Wie berechnet man die Lösungszeit in MySQL?
- 23. Wie berechnet Python die Nummer?
- 24. Vorhersage von Daten über Regressionsmodell und Speicherung in einem Vektor
- 25. Wie zentriert man den Inhalt in einem linearen Layout?
- 26. Wie berechnet man die realisierte Gewinn- und Verlustrechnung für Aktiengeschäfte mit der FIFO-Methode in Python?
- 27. Tastenplatzierung in einem linearen Layout
- 28. Wie berechnet man die Schriftbreite?
- 29. Wie berechnet man die Zeit?
- 30. Python - Sympy: wie man Lügenableitung berechnet
Ich würde mich freuen, wenn Sie einen Blick darauf werfen und Ihnen danken: https://stackoverflow.com/questions/44923808/missing-intercepts-of-ols-redress-model-in-python-statsmodels –