Summary  
Describes how to compute a 95% confidence interval by calculating the sample mean, standard error, and margin of error using code.  

General domain of usage  
Statistical data analysis

import unittest
import pandas as pd
import numpy as np
import scipy.stats as st

def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


class TestConfidenceInterval(unittest.TestCase):
    def test_confidence_interval(self):
        import user_code

        # ÐÐ°Ð²Ð°Ð½ÑÐ°Ð¶ÑÑÐ¼Ð¾ ÑÑ ÑÐ°Ð¼Ñ Ð´Ð°Ð½Ñ
        data = pd.read_csv(
            'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/section_1/mean_mass.csv'
        )

        # ÐÑÑÐºÑÐ²Ð°Ð½Ñ ÑÐµÐ·ÑÐ»ÑÑÐ°ÑÐ¸
        mean_list = data['mass']
        expected_confidence = st.norm.interval(
            confidence=0.95,
            loc=np.mean(mean_list),
            scale=st.sem(mean_list)
        )

        # ÐÐµÑÐµÐ²ÑÑÐºÐ° ÑÐ¸Ð¿ÑÐ² Ñ ÑÐ¾ÑÐ½Ð¾ÑÑÑ
        condition = (
            isinstance(user_code.mean_list, pd.Series)
            and isinstance(user_code.confidence, tuple)
            and abs(user_code.confidence[0] - expected_confidence[0]) < 1e-6
            and abs(user_code.confidence[1] - expected_confidence[1]) < 1e-6
        )

        _dynamic_test(
            self,
            condition,
            "The confidence interval is calculated correctly.",
            "The confidence interval is incorrect. Check your calculation parameters."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Rakenna vahva tilastotieteen perusta Pythonin avulla. Opiskele keskeiset tilastolliset käsitteet ja sovella niitä NumPyn ja pandas-kirjaston kautta. Siirry perusmittareista, kuten keskiarvosta ja varianssista, hypoteesin testaukseen, luottamusväleihin ja datalähtöisiin oivalluksiin käytännön harjoitusten avulla.

Tutustu tilastotieteen keskeisiin periaatteisiin, kuten aineistotyyppeihin, keskilukuihin sekä keskeisiin eroihin otosten ja perusjoukkojen välillä.

Opi laskemaan ja tulkitsemaan keskiarvo, mediaani ja moodi Pythonin avulla. Harjoittele näitä operaatioita pandas-kirjastolla analysoidaksesi aitoja aineistoja.

Ymmärrys siitä, miten varianssi ja keskihajonta mittaavat aineiston hajontaa. Molempien laskeminen käsin ja Python-työkaluilla.

Perehdy siihen, miten kovarianssi ja korrelaatio kuvaavat muuttujien välisiä yhteyksiä. Harjoittele molempien mittareiden laskemista ja vertaamista Pythonilla.

Hallitse luottamusvälit populaatioparametrien arviointiin. Käytä NumPy-, pandas- ja visualisointikirjastoja luottamusvälien laskemiseen ja tulkintaan oikean datan avulla.

Opi hypoteesin testauksen ja t-testin perusteet. Ymmärrä, kuinka testejä suunnitellaan, suoritetaan ja tulkitaan Pythonin avulla tietoon perustuvien päätösten tueksi.

Laske 95 %:n Luottamusväli

Ratkaisu

Awesome!

Laske 95 %:n Luottamusväli

Ratkaisu