EmpezarEmpieza gratis

Evaluar la tasa de crecimiento

Para calcular la tasa de crecimiento, puedes hacer una regresión lineal del logaritmo del área bacteriana total frente al tiempo. Calcula la tasa de crecimiento y obtén un intervalo de confianza del 95 % usando bootstrap por pares. Los puntos de tiempo, en horas, están en el array de numpy t, y el área bacteriana, en micrómetros cuadrados, está en bac_area.

Este ejercicio forma parte del curso

Casos prácticos de pensamiento estadístico

Ver curso

Instrucciones del ejercicio

  • Calcula el logaritmo del área bacteriana (bac_area) usando np.log() y guarda el resultado en la variable log_bac_area.
  • Calcula la pendiente y la intersección de la curva de crecimiento semilogarítmica usando np.polyfit(). Guarda la pendiente en la variable growth_rate y la intersección en log_a0.
  • Genera 10 000 réplicas bootstrap por pares de la tasa de crecimiento y del logaritmo del área inicial usando dcst.draw_bs_pairs_linreg(). Guarda los resultados en growth_rate_bs_reps y log_a0_bs_reps.
  • Usa np.percentile() para calcular el intervalo de confianza del 95 % de la tasa de crecimiento (growth_rate_bs_reps).
  • Imprime en pantalla la tasa de crecimiento y el intervalo de confianza. Esto ya está hecho por ti, así que pulsa "Submit Answer" para ver los resultados.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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))
Editar y ejecutar código