LoslegenKostenlos loslegen

Bestimmung der Wachstumsrate

Um die Wachstumsrate zu berechnen, kannst du eine lineare Regression des Logarithmus der gesamten Bakterienfläche gegen die Zeit durchführen. Berechne die Wachstumsrate und ermittle ein 95-%-Konfidenzintervall mithilfe von Pairs-Bootstrap. Die Zeitpunkte in Stunden sind im numpy-Array t gespeichert, und die Bakterienfläche in Quadratmikrometern in bac_area.

Diese Übung ist Teil des Kurses

Fallstudien zum statistischen Denken

Kurs anzeigen

Anleitung zur Übung

  • Berechne den Logarithmus der Bakterienfläche (bac_area) mit np.log() und speichere das Ergebnis in der Variablen log_bac_area.
  • Bestimme die Steigung und den Achsenabschnitt der Semilog-Wachstumskurve mit np.polyfit(). Speichere die Steigung in der Variablen growth_rate und den Achsenabschnitt in log_a0.
  • Ziehe 10.000 Pairs-Bootstrap-Replikate der Wachstumsrate und der logarithmierten Anfangsfläche mit dcst.draw_bs_pairs_linreg(). Speichere die Ergebnisse in growth_rate_bs_reps und log_a0_bs_reps.
  • Verwende np.percentile(), um das 95-%-Konfidenzintervall der Wachstumsrate (growth_rate_bs_reps) zu berechnen.
  • Gib die Wachstumsrate und das Konfidenzintervall auf dem Bildschirm aus. Das wurde bereits für dich vorbereitet – klicke auf "Antwort senden", um die Ergebnisse zu sehen!

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Compute logarithm of the bacterial area: log_bac_area
log_bac_area = ____

# Compute the slope and intercept: growth_rate, log_a0
____, ____ = ____

# Draw 10,000 pairs bootstrap replicates: growth_rate_bs_reps, log_a0_bs_reps
____, ____ = ____(
    ____, ____, size=____
)
    
# Compute confidence intervals: growth_rate_conf_int
growth_rate_conf_int = ____

# Print the result to the screen
print("""
Growth rate: {0:.4f} 1/hour
95% conf int: [{1:.4f}, {2:.4f}] 1/hour
""".format(growth_rate, *growth_rate_conf_int))
Code bearbeiten und ausführen