python线性回归 置信区间_用Python绘制回归线、置信区间和预测区间

我是回归游戏的新手，希望为满足特定条件(即平均复制值超过阈值；见下文)的数据子集绘制一条功能上任意的非线性回归线(加上置信度和预测区间)。在

为自变量x生成的x跨越20个不同的值：x=(20-np.arange(20))**2，并为每个条件复制{}。数据显示x之间的强非线性，如下所示：import numpy as np

mu = [.40, .38, .39, .35, .37, .33, .34, .28, .11, .24,

.03, .07, .01, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]

data = np.zeros((20, rep_num))

for i in range(13):

data[i] = np.clip(np.random.normal(loc=mu[i], scale=0.1, size=rep_num), 0., 1.)

我可以绘制数据的散点图；复制平均值用红点表示：

^{pr2}$

我的目标是仅为replicate mean>0.02的数据绘制一条回归线。此外，我想在回归曲线周围添加95%的置信区间(黑色虚线)，以及95%的预测区间(蓝色虚线)——理想情况下，预测区间也可以用透明的蓝色背景着色。在

最终的绘图(预测区间内没有蓝色背景)将如下所示：

我要怎么做这个？我的在线搜索结果显示使用seaborn、scipy和statsmodels的部分方法非常不同。其中一些模板函数的应用程序似乎无法与现有的matplotlib散点图一起工作。在