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

Побудова міцної основи в статистиці за допомогою Python. Вивчення основних статистичних концепцій і їх застосування через NumPy та pandas. Перехід від базових мір, таких як середнє та дисперсія, до перевірки гіпотез, довірчих інтервалів і отримання висновків на основі даних із практичними завданнями.

Ознайомлення з основними статистичними принципами, включаючи типи даних, міри центральної тенденції та ключові відмінності між вибірками і генеральними сукупностями.

Вивчення обчислення та інтерпретації середнього, медіани та моди за допомогою Python. Практика виконання цих операцій з використанням pandas для аналізу реальних наборів даних.

Зрозумійте, як дисперсія та стандартне відхилення вимірюють розподіл даних. Дізнайтеся, як обчислювати ці показники вручну та за допомогою інструментів Python.

Дослідження того, як коваріація та кореляція описують взаємозв'язки між змінними. Практика обчислення та порівняння обох метрик у Python.

Опанування довірчих інтервалів для оцінки параметрів генеральної сукупності. Використання NumPy, pandas та бібліотек для візуалізації для обчислення та інтерпретації інтервалів на основі реальних даних.

Вивчення основ гіпотезного тестування та t-тесту. Розуміння принципів розробки, проведення та інтерпретації тестів за допомогою Python для підтримки прийняття рішень на основі даних.

Обчислення 95% Довірчого Інтервалу

Рішення

Обчислення 95% Довірчого Інтервалу

Рішення