Corrélation de Pearson entre descendants et parents
Le coefficient de corrélation de Pearson semble être une mesure pertinente de la force avec laquelle la profondeur du bec des parents est héritée par leurs descendants. Calculez le coefficient de corrélation de Pearson entre la profondeur de bec des parents et celle des descendants pour G. scandens. Faites de même pour G. fortis. Ensuite, utilisez la fonction que vous avez écrite dans l’exercice précédent pour calculer un intervalle de confiance à 95 % avec un bootstrap par paires.
Rappelez-vous que les données sont stockées dans bd_parent_scandens, bd_offspring_scandens, bd_parent_fortis et bd_offspring_fortis.
Cet exercice fait partie du cours
Réflexion statistique en Python (Partie 2)
Instructions
- Utilisez la fonction
pearson_r()que vous avez écrite dans la première partie de ce cours pour calculer le coefficient de corrélation de Pearson pour G. scandens et G. fortis. - Obtenez 1000 réplicats bootstrap par paires du coefficient de corrélation de Pearson en utilisant la fonction
draw_bs_pairs()que vous avez écrite dans l’exercice précédent pour G. scandens et G. fortis. - Calculez l’intervalle de confiance à 95 % pour les deux à partir de vos réplicats bootstrap.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)