Pearson-Korrelation von Nachkommen- und Elterndaten
Der Pearson-Korrelationskoeffizient ist ein sinnvoller Indikator dafür, wie stark die Schnabelftiefe der Eltern an ihre Nachkommen vererbt wird. Berechne den Pearson-Korrelationskoeffizienten zwischen der Schnabelftiefe von Eltern und Nachkommen für G. scandens. Mach dasselbe für G. fortis. Verwende anschließend die Funktion aus der letzten Übung, um mit paarweisem Bootstrap ein 95-%-Konfidenzintervall zu berechnen.
Zur Erinnerung: Die Daten liegen in bd_parent_scandens, bd_offspring_scandens, bd_parent_fortis und bd_offspring_fortis.
Diese Übung ist Teil des Kurses
Statistical Thinking in Python (Teil 2)
Anleitung zur Übung
- Verwende die Funktion
pearson_r()die du im ersten Teil dieses Kurses geschrieben hast, um den Pearson-Korrelationskoeffizienten für G. scandens und G. fortis zu berechnen. - Erzeuge 1000 paarweise Bootstrap-Replikate des Pearson-Korrelationskoeffizienten mit der Funktion
draw_bs_pairs(), die du in der vorherigen Übung geschrieben hast, für G. scandens und G. fortis. - Berechne für beide anhand deiner Bootstrap-Replikate das 95-%-Konfidenzintervall.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Compute the Pearson correlation coefficients
r_scandens = ____
r_fortis = ____
# Acquire 1000 bootstrap replicates of Pearson r
bs_replicates_scandens = ____
bs_replicates_fortis = ____
# Compute 95% confidence intervals
conf_int_scandens = ____
conf_int_fortis = ____
# Print results
print('G. scandens:', r_scandens, conf_int_scandens)
print('G. fortis:', r_fortis, conf_int_fortis)