Bootstrapový histogram
Uvažuješ o dovolené v Cincinnati v květnu, ale máš silnou přecitlivělost na NO2. Vytáhneš data o znečištění ovzduší z Cincinnati za několik květnových let a podíváš se na bootstrapový odhad průměrných hodnot NO2. Máš k dispozici jediný odhad a nejlepší způsob, jak vizualizovat výsledky bootstrapových odhadů, je histogram.
Tobě samému přijde bootstrap histogram intuitivní, ale tvůj partner/partnerka, který/která pojede s tebou, dává přednost procentuálním intervalům. Abys mu/jí vyhověl/a, rozhodneš se zvýraznit 95% interval vyšrafováním příslušné oblasti.
Toto cvičení je součástí kurzu
Vylepšení datových vizualizací v Pythonu
Pokyny k cvičení
- Předej funkci
percentile()horní a dolní percentily potřebné pro získání 95% intervalu. - Vyšrafuj pozadí grafu v oblasti 95% intervalu.
- Nakresli histogram bootstrapových průměrů se 100 sloupci.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
cinci_may_NO2 = pollution.query("city == 'Cincinnati' & month == 5").NO2
# Generate bootstrap samples
boot_means = bootstrap(cinci_may_NO2, 1000)
# Get lower and upper 95% interval bounds
lower, upper = np.percentile(boot_means, [____, ____])
# Plot shaded area for interval
plt.axvspan(____, ____, color = 'gray', alpha = 0.2)
# Draw histogram of bootstrap samples
sns.histplot(____, ____ = 100)
plt.show()