Базові довірчі інтервали
Ви — дата-сайєнтист у виробника феєрверків у Де-Мойні, штат Айова. Вам потрібно переконати місто, що велике шоу вашої компанії не завдало шкоди міському повітрю. Для цього ви аналізуєте середні рівні забрудників упродовж тижня після Дня незалежності (4 липня) та порівнюєте їх із показниками після вашого останнього шоу. Показавши довірчі інтервали навколо середніх значень, ви зможете довести, що нещодавні вимірювання перебували в межах норми.
Ці дані завантажено в average_ests, де кожен рядок відповідає окремому виміряному забруднику.
Ця вправа є частиною курсу
Удосконалення візуалізацій даних у Python
Інструкції до вправи
Створіть нижню та верхню межі 95% інтервалу:
- Створіть нижню межу, віднявши 1,96 стандартних похибок (
'std_err') від'mean'оцінок. - Створіть верхню межу, додавши 1,96 стандартних похибок (
'std_err') до'mean'оцінок.
- Створіть нижню межу, віднявши 1,96 стандартних похибок (
Передайте
pollutantяк змінну для фасетування доsns.FacetGrid()і відв'яжіть осі x на графіках, щоб інтервали мали належний масштаб.Передайте побудовані межі інтервалу до відображуваної функції
plt.hlines().
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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()