第十四周作业

%matplotlib inline

import random

import numpy as np
import scipy as sp
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

import statsmodels.api as sm
import statsmodels.formula.api as smf

sns.set_context("talk")

Anscombe's quartet

Anscombe's quartet comprises of four datasets, and is rather famous. Why? You'll find out in this exercise.

anascombe = pd.read_csv('anscombe.csv')
anascombe.head()

Part 1

For each of the four datasets...

• Compute the mean and variance of both x and y
• Compute the correlation coefficient between x and y
• Compute the linear regression line: y=β0+β1x+ϵy=β0+β1x+ϵ (hint: use statsmodels and look at the Statsmodels notebook)

print(anascombe.groupby('dataset').mean())
print(anascombe.groupby('dataset').var())
print(anascombe.x.corr(anascombe.y))

           
dataset    x         y           
I            9.0  7.500909
II           9.0  7.500909
III          9.0  7.500000
IV          9.0  7.500909
            
dataset     x         y          
I            11.0  4.127269
II           11.0  4.127629
III          11.0  4.122620
IV          11.0  4.123249

0.81636624276147

y = anascombe.y
X = anascombe.x
X = sm.add_constant(X) 
Linear = sm.OLS(y, X)
Linear = Linear.fit()
print(Linear.summary())

                                 OLS Regression Results                            
===================================================
Dep. Variable:                      y   R-squared:                       0.666
Model:                            OLS   Adj. R-squared:                  0.659
Method:                 Least Squares   F-statistic:                     83.92
Date:                Sun, 10 Jun 2018   Prob (F-statistic):           1.44e-11
Time:                        00:10:31   Log-Likelihood:                -67.358
No. Observations:                  44   AIC:                             138.7
Df Residuals:                      42   BIC:                             142.3
Df Model:                           1                                         
Covariance Type:            nonrobust                                         
====================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const          3.0013      0.521      5.765      0.000       1.951       4.052
x              0.4999      0.055      9.161      0.000       0.390       0.610
====================================================
Omnibus:                        1.513   Durbin-Watson:                   2.327
Prob(Omnibus):                  0.469   Jarque-Bera (JB):                0.896
Skew:                           0.339   Prob(JB):                        0.639
Kurtosis:                       3.167   Cond. No.                         29.1

====================================================

Part 2

Using Seaborn, visualize all four datasets.

hint: use sns.FacetGrid combined with plt.scatter

g = sns.FacetGrid(anascombe, col='dataset', size=5)
g = g.map(plt.scatter, "x", "y")
plt.show()