Regressões com bootstrap

Enquanto trabalha para o departamento de parques e recreação de Long Beach, investigando a relação entre NO₂ e SO₂, você notou um agrupamento de possíveis outliers que pode estar distorcendo as correlações.

SO2 NO2 scatter

Investigue a incerteza das suas correlações por meio de reamostragem bootstrap para ver quão estáveis estão seus ajustes. Para sua conveniência, a amostragem bootstrap já foi concluída e está disponível como no2_so2_boot, junto com no2_so2 para os dados não reamostrados.

Este exercicio faz parte do curso

Aprimorando suas visualizações de dados em Python

Ver curso

Instruções do exercicio

Informe ao sns.lmplot() que é preciso desenhar uma linha de regressão separada para cada sample de bootstrap.
Deixe todas as linhas de regressão na cor 'steelblue' e com 20% de opacidade.
Desative as faixas de confiança padrão do Seaborn ao redor das linhas de regressão.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

sns.lmplot('NO2', 'SO2', data = no2_so2_boot,
           # Tell seaborn to a regression line for each sample
           ____ = 'sample', 
           # Make lines blue and transparent
           line_kws = {'____': 'steelblue', '____': 0.2},
           # Disable built-in confidence intervals
           ci = ____, legend = False, scatter = False)

# Draw scatter of all points
plt.scatter('NO2', 'SO2', data = no2_so2)

plt.show()

Editar e Executar Código