Intervalos de 90%, 95% e 99%

Você é cientista de dados em uma empresa de aventuras ao ar livre em Fairbanks, no Alasca. Recentemente, clientes vêm tendo problemas com poluição por SO₂, levando a cancelamentos caros. A empresa tem sensores para CO, NO₂ e O₃, mas não para níveis de SO₂.

Você construiu um modelo que prevê valores de SO₂ com base nos valores dos poluentes que têm sensores (carregado como pollution_model, um objeto do statsmodels). Você quer investigar qual valor de poluente tem o maior efeito na previsão de SO₂ do seu modelo. Isso vai ajudar você a saber em quais valores de poluentes prestar mais atenção ao planejar passeios ao ar livre. Para maximizar a informação no seu relatório, mostre múltiplos níveis de incerteza para as estimativas do modelo.

Este exercicio faz parte do curso

Aprimorando suas visualizações de dados em Python

Ver curso

Instruções do exercicio

Preencha as larguras de intervalo apropriadas (entre 90%, 95% e 99%) de acordo com a lista de valores em alpha.
No loop for, pinte o intervalo com sua color atribuída.
Passe o valor de porcentagem width do loop para plt.hlines() para rotular a legenda.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Add interval percent widths
alphas = [     0.01,  0.05,   0.1] 
widths = [ '__% CI', '__%', '__%']
colors = ['#fee08b','#fc8d59','#d53e4f']

for alpha, color, width in zip(alphas, colors, widths):
    # Grab confidence interval
    conf_ints = pollution_model.conf_int(alpha)
    
    # Pass current interval color and legend label to plot
    plt.hlines(y = conf_ints.index, xmin = conf_ints[0], xmax = conf_ints[1],
               colors = ____, ____ = width, linewidth = 10) 

# Draw point estimates
plt.plot(pollution_model.params, pollution_model.params.index, 'wo', label = 'Point Estimate')

plt.legend()
plt.show()

Editar e Executar Código