Temel güven aralıkları
Iowa, Des Moines’te bir havai fişek üreticisi için veri bilimcisisin. Şirketinin büyük havai fişek gösterisinin şehrin havasına zarar vermediğini belediyeye kanıtlaman gerekiyor. Bunun için, 4 Temmuz’dan sonraki haftada kirleticiler için ortalama seviyelere bakıyor ve bunları son gösterinden sonra alınan ölçümlerle karşılaştırıyorsun. Ortalamaların etrafında güven aralıkları göstererek, son ölçümlerin normal aralık içinde kaldığını ortaya koyabilirsin.
Bu veriler, her ölçülen kirletici için bir satır olacak şekilde average_ests olarak yüklendi.
Bu egzersiz
Python'da Veri Görselleştirmelerini İyileştirme
kursunun bir parçasıdırEgzersiz talimatları
Alt ve üst %95 aralık sınırlarını oluştur:
- Alt sınırı, tahminlerin
'mean'değerinden 1,96 standart hatayı ('std_err') çıkararak oluştur. - Üst sınırı, tahminlerin
'mean'değerine 1,96 standart hatayı ('std_err') ekleyerek oluştur.
- Alt sınırı, tahminlerin
pollutantdeğişkeninisns.FacetGrid()için facet değişkeni olarak geçir ve grafiklerin x eksenlerini birbirinden ayırarak tüm aralıkların iyi ölçeklenmesini sağla.Oluşturduğun aralık sınırlarını eşlenen
plt.hlines()fonksiyonuna aktar.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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()