Bandbreedtes van 90 en 95%
Je bekijkt een voortschrijdend gemiddelde over 40 dagen van de NO2-vervuilingsniveaus voor de stad Cincinnati in 2013. Om zo’n volledig mogelijk beeld van de onzekerheid in de trend te geven, wil je zowel de 90- als 99%-intervallen rond deze voortschrijdende schatting bekijken.
Stel hiervoor je twee intervalgroottes in en gebruik een oranje ordinale kleurenpalet. Maak de banden bovendien halfdoorzichtig, zodat de achtergrondroosters van Seaborn erdoorheen zichtbaar zijn en je ze nauwkeurig kunt aflezen.
Deze oefening maakt deel uit van de cursus
Je datavisualisaties verbeteren in Python
Oefeninstructies
- Stel de dekking van de intervallen in op 40%.
- Bereken de onder- en bovengrens van het betrouwbaarheidsinterval.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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()