Annoter des intervalles de confiance

Votre travail en science des données sur la pollution fait école, et vous évaluez maintenant des offres d'emploi à Cincinnati (Ohio) et à Indianapolis (Indiana). Vous voulez vérifier si les niveaux de SO₂ diffèrent de façon significative entre les deux villes et, plus précisément, laquelle affiche des niveaux plus faibles. Pour le tester, vous choisissez d'examiner les différences entre les valeurs de SO₂ des villes (celles d'Indianapolis - celles de Cincinnati) sur plusieurs années (fournies dans diffs_by_year).

Plutôt que d'afficher seulement une valeur p indiquant une différence significative entre les villes, vous décidez d'examiner les intervalles de confiance à 95 % (colonnes lower et upper) des différences. Cela vous permet de voir l'ampleur des écarts ainsi que leurs tendances au fil des ans.

Cette activité fait partie du cours

Améliorer vos visualisations de données en Python

Voir le cours

Instructions de l’exercice

Fournissez les limites de début et de fin (colonnes lower et upper) de vos intervalles de confiance à plt.hlines().
Réglez l'épaisseur de l'intervalle à 5.
Tracez une ligne verticale représentant une différence de 0 avec plt.axvline().
Colorez la ligne nulle en 'orangered' pour qu'elle ressorte bien.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Set start and ends according to intervals 
# Make intervals thicker
plt.hlines(y = 'year', xmin = '____', xmax = '____', 
           linewidth = ____, color = 'steelblue', alpha = 0.7,
           data = diffs_by_year)
# Point estimates
plt.plot('mean', 'year', 'k|', data = diffs_by_year)

# Add a 'null' reference line at 0 and color orangered
plt.axvline(x = ____, color = '____', linestyle = '--')

# Set descriptive axis labels and title
plt.xlabel('95% CI')
plt.title('Avg SO2 differences between Cincinnati and Indianapolis')
plt.show()

Modifier et exécuter le code