Rappresentare la curva di crescita

Nel precedente esercizio hai visto che l'intervallo di confidenza sulla curva di crescita è molto stretto. Qui lo esplorerai graficamente tracciando diverse rette bootstrap insieme alla curva di crescita. Userai la funzione plt.semilogy() per creare il grafico con l'asse y in scala logaritmica. Questo significa che dovrai trasformare la tua retta di regressione lineare teorica per il plotting esponenziandola.

Questo esercizio fa parte del corso

Casi di studio nel pensiero statistico

Visualizza corso

Istruzioni dell'esercizio

Traccia i punti dei dati usando plt.semilogy(). Gli array di numpy t e bac_area sono di nuovo nel tuo namespace.
Usa np.array() per generare i valori del tempo con cui tracciare le linee bootstrap. Chiamalo t_bs. Il tempo deve andare da 0 a 14 ore.
Scrivi un ciclo for per tracciare le rette di regressione corrispondenti alle prime 100 coppie di repliche bootstrap. Gli array di numpy growth_rate_bs_reps e log_a0_bs_reps che hai calcolato nell'ultimo esercizio sono nel tuo namespace.
- Calcola la curva di crescita esponenziando la retta di regressione lineare usando np.exp().
- Traccia la linea teorica usando plt.semilogy() con gli argomenti keyword linewidth=0.5, alpha=0.05 e color='red'.
Etichetta gli assi e mostra il grafico. Etichette appropriate per gli assi x e y sono rispettivamente 'time (hr)' e 'area (sq. µm)'.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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('____')
____

Modifica ed esegui il codice