Regresiones con bootstrap
Mientras trabajas para el departamento de parques y recreación de Long Beach investigando la relación entre NO2 y SO2, notaste un grupo de posibles valores atípicos que sospechas que podrían estar sesgando las correlaciones.
Investiga la incertidumbre de tus correlaciones mediante remuestreo bootstrap para ver cuán estables son tus ajustes. Por comodidad, el muestreo bootstrap ya está hecho y se proporciona como no2_so2_boot junto con no2_so2 para los datos sin remuestreo.
Este ejercicio forma parte del curso
Mejora tus visualizaciones de datos en Python
Instrucciones del ejercicio
- Indica a
sns.lmplot()que debe dibujar una línea de regresión independiente para cadasampledel bootstrap. - Colorea cada línea de regresión de
'steelblue'y hazlas con una opacidad del 20%. - Desactiva las bandas de confianza predeterminadas de Seaborn alrededor de las líneas de regresión.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
sns.lmplot('NO2', 'SO2', data = no2_so2_boot,
# Tell seaborn to a regression line for each sample
____ = 'sample',
# Make lines blue and transparent
line_kws = {'____': 'steelblue', '____': 0.2},
# Disable built-in confidence intervals
ci = ____, legend = False, scatter = False)
# Draw scatter of all points
plt.scatter('NO2', 'SO2', data = no2_so2)
plt.show()