Bandas del 90 y 95%
Estás viendo la media móvil de 40 días de los niveles de NO2 en la ciudad de Cincinnati en 2013. Para ofrecer una imagen más detallada de la incertidumbre en la tendencia, quieres observar los intervalos del 90 y del 99% alrededor de esta estimación móvil.
Para ello, define los dos tamaños de intervalo y una paleta de colores ordinal en naranja. Además, para permitir lecturas precisas de las bandas, hazlas semitransparentes para que se vean las cuadrículas de fondo de Seaborn.
Este ejercicio forma parte del curso
Mejora tus visualizaciones de datos en Python
Instrucciones del ejercicio
- Establece la opacidad de los intervalos en un 40%.
- Calcula los límites de confianza inferior y superior.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
int_widths = ['90%', '99%']
z_scores = [1.67, 2.58]
colors = ['#fc8d59', '#fee08b']
for percent, Z, color in zip(int_widths, z_scores, colors):
# Pass lower and upper confidence bounds and lower opacity
plt.fill_between(
x = cinci_13_no2.day, alpha = ____, color = color,
y1 = cinci_13_no2['mean'] ____ ____*cinci_13_no2['std_err'],
y2 = cinci_13_no2['mean'] ____ ____*cinci_13_no2['std_err'],
label = percent)
plt.legend()
plt.show()