Tworzenie pasma ufności
Baza Sił Powietrznych Vandenberg jest często wykorzystywana jako miejsce startów rakiet w przestrzeń kosmiczną. Masz hipotezę, że ostatni wzrost częstotliwości startów rakietowych może negatywnie wpływać na jakość powietrza w okolicznym rejonie. Aby to zbadać, wykreślono 25-dniową kroczącą średnią pomiarów stężenia NO2 w atmosferze. Aby ocenić, czy zaobserwowany wzorzec wynika z szumu losowego czy nie, postanowiłeś dodać 99-procentowe pasmo ufności wokół średniej kroczącej. Dodanie pasma ufności do linii trendu pozwala lepiej ocenić stabilność zaobserwowanego trendu – może zarówno wzmocnić, jak i osłabić zaufanie do wykrytej zależności.
To ćwiczenie jest częścią kursu
Ulepszanie wizualizacji danych w Pythonie
Instrukcje do ćwiczenia
- Wyznacz górną i dolną granicę 99-procentowego przedziału, dodając i odejmując
2.58błędów standardowych od średniej. - Ustaw kolor linii estymaty punktowej na biały.
- Nadaj linii estymaty punktowej półprzezroczystość, ustawiając
alphana0.4. - Wskaż funkcji
plt.fill_between(), między jakimi wartościami ma wypełniać obszar dla każdego dnia.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Draw 99% inverval bands for average NO2
vandenberg_NO2['lower'] = vandenberg_NO2['mean'] ____ ____*vandenberg_NO2['std_err']
vandenberg_NO2['upper'] = vandenberg_NO2['mean'] ____ ____*vandenberg_NO2['std_err']
# Plot mean estimate as a white semi-transparent line
plt.plot('day', 'mean', data = vandenberg_NO2,
color = '____', alpha = ____)
# Fill between the upper and lower confidence band values
plt.fill_between(x = 'day',
____ = 'lower', ____ = 'upper',
data = vandenberg_NO2)
plt.show()