Intervale de încredere de bază
Ești cercetător de date pentru un producător de artificii din Des Moines, Iowa. Trebuie să demonstrezi orașului că spectacolul de artificii al companiei tale nu a cauzat niciun prejudiciu calității aerului. Pentru aceasta, analizezi nivelurile medii ale poluanților din săptămâna de după 4 iulie și le compari cu măsurătorile înregistrate după ultimul spectacol. Afișând intervale de încredere în jurul mediilor, poți arăta că valorile recente s-au încadrat în intervalul normal.
Aceste date sunt încărcate ca average_ests, cu câte un rând pentru fiecare poluant măsurat.
Acest exercițiu face parte din cursul
Îmbunătățirea vizualizărilor de date în Python
Instrucțiuni pentru exercițiu
Creează limitele inferioară și superioară ale intervalului de 95%:
- Creează limita inferioară scăzând 1,96 erori standard (
'std_err') din'mean'-ul estimărilor. - Creează limita superioară adăugând 1,96 erori standard (
'std_err') la'mean'-ul estimărilor.
- Creează limita inferioară scăzând 1,96 erori standard (
Transmite
pollutantca variabilă de fatetare cătresns.FacetGrid()și dezleagă axele x ale graficelor, astfel încât intervalele să fie bine dimensionate.Transmite limitele intervalului construite funcției
plt.hlines()mapate.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Construct CI bounds for averages
average_ests['lower'] = average_ests['____'] - 1.96*average_ests['____']
average_ests['upper'] = average_ests['____'] + 1.96*average_ests['____']
# Setup a grid of plots, with non-shared x axes limits
g = sns.FacetGrid(average_ests, row = '____', ____ = False)
# Plot CI for average estimate
g.map(plt.hlines, 'y', '____', '____')
# Plot observed values for comparison and remove axes labels
g.map(plt.scatter, 'seen', 'y', color = 'orangered').set_ylabels('').set_xlabels('')
plt.show()