Correlazione di Pearson tra dati di prole e genitori
Il coefficiente di correlazione di Pearson sembra una misura utile per capire quanto la profondità del becco dei genitori venga ereditata dalla prole. Calcola il coefficiente di correlazione di Pearson tra le profondità del becco dei genitori e quelle della prole per G. scandens. Fai lo stesso per G. fortis. Poi, usa la funzione che hai scritto nell'esercizio precedente per calcolare un intervallo di confidenza al 95% usando il pairs bootstrap.
Ricorda che i dati sono memorizzati in bd_parent_scandens, bd_offspring_scandens, bd_parent_fortis e bd_offspring_fortis.
Questo esercizio fa parte del corso
Pensiero statistico in Python (Parte 2)
Istruzioni dell'esercizio
- Usa la funzione
pearson_r()che hai scritto nel prequel di questo corso per calcolare il coefficiente di correlazione di Pearson per G. scandens e G. fortis. - Ottieni 1000 repliche bootstrap a coppie del coefficiente di correlazione di Pearson usando la funzione
draw_bs_pairs()che hai scritto nell'esercizio precedente per G. scandens e G. fortis. - Calcola l'intervallo di confidenza al 95% per entrambi usando le tue repliche bootstrap.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)