CommencerCommencer gratuitement

Évaluer le taux de croissance

Pour calculer le taux de croissance, vous pouvez effectuer une régression linéaire du logarithme de la surface bactérienne totale en fonction du temps. Calculez le taux de croissance et obtenez un intervalle de confiance à 95 % à l’aide d’un bootstrap par paires. Les instants, en heures, sont stockés dans le tableau numpy t et la surface bactérienne, en micromètres carrés, est stockée dans bac_area.

Cet exercice fait partie du cours

Études de cas en pensée statistique

Afficher le cours

Instructions

  • Calculez le logarithme de la surface bactérienne (bac_area) avec np.log() et stockez le résultat dans la variable log_bac_area.
  • Calculez la pente et l’ordonnée à l’origine de la courbe de croissance semi-logarithmique avec np.polyfit(). Stockez la pente dans la variable growth_rate et l’ordonnée à l’origine dans log_a0.
  • Générez 10 000 réplicats bootstrap par paires du taux de croissance et du logarithme de la surface initiale avec dcst.draw_bs_pairs_linreg(). Stockez les résultats dans growth_rate_bs_reps et log_a0_bs_reps.
  • Utilisez np.percentile() pour calculer l’intervalle de confiance à 95 % du taux de croissance (growth_rate_bs_reps).
  • Affichez le taux de croissance et l’intervalle de confiance à l’écran. Cela a été fait pour vous ; cliquez sur "Soumettre la réponse" pour voir les résultats !

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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))
Modifier et exécuter le code