Histogram bootstrapowy
Rozważasz wyjazd do Cincinnati w maju, ale masz silną wrażliwość na NO2. Pobierasz dane o zanieczyszczeniu powietrza z Cincinnati z kilku majowych miesięcy i analizujesz bootstrapowe oszacowanie średniego poziomu NO2. Dysponujesz tylko jednym oszacowaniem – najlepszym sposobem na wizualizację wyników bootstrapu jest histogram.
Ty cenisz sobie intuicyjność samego histogramu bootstrapowego, ale twój partner, który wybiera się z tobą w podróż, woli widzieć przedziały procentowe. Żeby wyjść mu naprzeciw, postanawiasz wyróżnić przedział 95% przez zacienienie odpowiedniego obszaru.
To ćwiczenie jest częścią kursu
Ulepszanie wizualizacji danych w Pythonie
Instrukcje do ćwiczenia
- Przekaż funkcji
percentile()górny i dolny percentyl potrzebny do wyznaczenia przedziału 95%. - Zacień tło wykresu w obszarze przedziału 95%.
- Narysuj histogram bootstrapowych średnich z 100 przedziałami.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
cinci_may_NO2 = pollution.query("city == 'Cincinnati' & month == 5").NO2
# Generate bootstrap samples
boot_means = bootstrap(cinci_may_NO2, 1000)
# Get lower and upper 95% interval bounds
lower, upper = np.percentile(boot_means, [____, ____])
# Plot shaded area for interval
plt.axvspan(____, ____, color = 'gray', alpha = 0.2)
# Draw histogram of bootstrap samples
sns.histplot(____, ____ = 100)
plt.show()