CommencezCommencez gratuitement

Tracer la courbe de croissance

Dans l'exercice précédent, vous avez vu que l'intervalle de confiance autour de la courbe de croissance est très serré. Vous allez l'explorer graphiquement ici en traçant plusieurs droites bootstrap en plus de la courbe de croissance. Vous utiliserez la fonction plt.semilogy() pour créer un graphique avec l'axe des ordonnées en échelle logarithmique. Cela signifie que vous devrez transformer votre droite de régression linéaire théorique pour l'affichage en l'exponentiant.

Cette activité fait partie du cours

Études de cas en pensée statistique

Voir le cours

Instructions de l’exercice

  • Tracez les points de données avec plt.semilogy(). Les tableaux numpy t et bac_area sont encore dans votre espace de noms.
  • Utilisez np.array() pour générer les valeurs de temps destinées au tracé des droites bootstrap. Nommez ce tableau t_bs. Le temps doit aller de 0 à 14 heures.
  • Écrivez une boucle for pour tracer les droites de régression correspondant aux 100 premières paires de répliques bootstrap. Les tableaux numpy growth_rate_bs_reps et log_a0_bs_reps que vous avez calculés dans le dernier exercice sont dans votre espace de noms.
    • Calculez la courbe de croissance en exponentiant la droite de régression linéaire avec np.exp().
    • Tracez la ligne théorique avec plt.semilogy() en utilisant les arguments nommés linewidth=0.5, alpha=0.05 et color='red'.
  • Ajoutez des étiquettes aux axes et affichez votre graphique. Des étiquettes appropriées pour les axes des abscisses et des ordonnées sont respectivement 'time (hr)' et 'area (sq. µm)'.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Plot data points in a semilog-y plot with axis labeles
_ = ____(____, ____, marker='.', linestyle='none')

# Generate x-values for the bootstrap lines: t_bs
t_bs = ____([____, ____])

# Plot the first 100 bootstrap lines
for i in range(____):
    y = ____(____[i] * ____ + ____[i])
    _ = ____(____, ____, linewidth=____, alpha=____, color=____)
    
# Label axes and show plot
_ = plt.xlabel('____')
_ = plt.ylabel('____')
____
Modifier et exécuter le code