शुरू करेंमुफ़्त में शुरू करें

ग्रोथ कर्व प्लॉट करना

आपने पिछले अभ्यास में देखा कि ग्रोथ कर्व पर कॉन्फिडेंस इंटरवल बहुत टाइट है. अब आप इसे ग्राफ़ के ज़रिए एक्सप्लोर करेंगे, जिसमें आप ग्रोथ कर्व के साथ कई बूटस्ट्रैप लाइनों को प्लॉट करेंगे. y-axis को लॉग स्केल पर प्लॉट करने के लिए आप plt.semilogy() फंक्शन का उपयोग करेंगे. इसका मतलब है कि प्लॉटिंग के लिए आपको अपनी थिऑरेटिकल लिनियर रिग्रेशन कर्व को एक्सपोनेंशिएट करके ट्रांसफ़ॉर्म करना होगा.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking के केस स्टडीज़

पाठ्यक्रम देखें

अभ्यास निर्देश

  • plt.semilogy() का उपयोग करके डेटा पॉइंट्स प्लॉट करें. numpy एरेज़ t और bac_area फिर से आपके नेमस्पेस में हैं.
  • बूटस्ट्रैप लाइनों को प्लॉट करने के लिए टाइम वैल्यू जनरेट करने हेतु np.array() का उपयोग करें. इसे t_bs कहें. टाइम 0 से 14 घंटे तक होना चाहिए.
  • पहले 100 पेयर्स बूटस्ट्रैप रेप्लिकेट्स के अनुरूप रिग्रेशन लाइनों को प्लॉट करने के लिए एक for लूप लिखें. पिछले अभ्यास में कंप्यूट किए गए numpy एरेज़ growth_rate_bs_reps और log_a0_bs_reps आपके नेमस्पेस में हैं.
    • np.exp() का उपयोग करके लिनियर रिग्रेशन लाइन को एक्सपोनेंशिएट करें और ग्रोथ कर्व निकालें.
    • plt.semilogy() से थिऑरेटिकल लाइन प्लॉट करें, और कीवर्ड आर्ग्युमेंट्स linewidth=0.5, alpha=0.05, और color='red' दें.
  • एक्सिस को लेबल करें और अपना प्लॉट दिखाएँ. x और y एक्सिस के लिए उपयुक्त लेबल क्रमशः 'time (hr)' और 'area (sq. µm)' हैं.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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('____')
____
कोड संपादित करें और चलाएँ