Normalność w grupach
Skoro udało się potwierdzić jednorodność wariancji, kolejnym warunkiem do sprawdzenia jest normalność rozkładu finansowania w każdej branży.
W tym ćwiczeniu zwizualizujesz i porównasz dane z normalnością i bez niej. Choć takie wizualizacje można tworzyć za pomocą plt.hist(), tym razem poćwiczysz korzystanie z metody .plot() na DataFrame, używając argumentów kind i alpha.
Trzy ramki danych, które wcześniej utworzyłeś (biotech_df, enterprise_df i ecommerce_df), są już wczytane. Dostępne są też biblioteki: pandas jako pd, NumPy jako np, Matplotlib jako plt oraz pakiet stats z SciPy.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot a histogram of the funding for each industry
____.plot(kind=____, alpha=____)
____.plot(____)
____.plot(____)
plt.show()