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

Bygg en stark grund i statistik med Python. Lär dig grundläggande statistiska koncept och tillämpa dem genom NumPy och pandas. Gå från grundläggande mått som medelvärde och varians till hypotesprövning, konfidensintervall och datadrivna insikter med praktiska övningar.

Upptäck grundläggande statistiska principer, inklusive datatyper, lägesmått och viktiga skillnader mellan stickprov och populationer.

Lär dig att beräkna och tolka medelvärde, median och typvärde med Python. Öva på dessa operationer med pandas för att analysera verkliga dataset.

Förstå hur varians och standardavvikelse mäter spridningen i data. Lär dig att beräkna båda manuellt och med hjälp av Python-verktyg.

Utforska hur kovarians och korrelation beskriver relationer mellan variabler. Öva på att beräkna och jämföra båda måtten i Python.

Bemästra konfidensintervall för att uppskatta populationsparametrar. Använd NumPy, pandas och visualiseringsbibliotek för att beräkna och tolka intervall med verkliga data.

Lär dig grunderna i hypotesprövning och t-test. Förstå hur man utformar, genomför och tolkar tester med Python för att stödja datadrivna beslut.

Beräkna 95 % konfidensintervall

Lösning