Correlación de Pearson entre descendencia y progenitores
El coeficiente de correlación de Pearson parece una medida útil para evaluar cuán fuertemente se hereda la profundidad del pico de los progenitores por parte de su descendencia. Calcula el coeficiente de correlación de Pearson entre las profundidades del pico de progenitores y descendencia para G. scandens. Haz lo mismo para G. fortis. Luego, utiliza la función que escribiste en el ejercicio anterior para calcular un intervalo de confianza del 95 % usando bootstrap por pares.
Recuerda que los datos están guardados en bd_parent_scandens, bd_offspring_scandens, bd_parent_fortis y bd_offspring_fortis.
Este ejercicio forma parte del curso
Pensamiento estadístico en Python (Parte 2)
Instrucciones del ejercicio
- Usa la función
pearson_r()que escribiste en la primera parte de este curso para calcular el coeficiente de correlación de Pearson para G. scandens y G. fortis. - Obtén 1000 réplicas bootstrap por pares del coeficiente de correlación de Pearson usando la función
draw_bs_pairs()que escribiste en el ejercicio anterior para G. scandens y G. fortis. - Calcula el intervalo de confianza del 95 % para ambos usando tus réplicas bootstrap.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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)