始める無料で始める

成長曲線のプロット

前の演習で、成長曲線の信頼区間が非常に狭いことを確認しました。ここでは、成長曲線とともに複数のブートストラップ回帰直線をプロットして、この結果をグラフで確かめましょう。y軸を対数スケールにするため、plt.semilogy() 関数を使います。理論的な線形回帰曲線は指数変換してからプロットする必要があります。

この演習はコースの一部です

統計的思考 ケーススタディ

コースを見る

演習の手順

  • plt.semilogy() を使ってデータ点をプロットします。numpy 配列 t と bac_area はすでに名前空間に用意されています。
  • np.array() を使って、ブートストラップ直線をプロットするための時間の値を生成します。これを t_bs と呼びます。時間は0から14時間の範囲にします。
  • for ループを記述して、最初の 100 組のブートストラップ複製に対応する回帰直線をプロットします。前の演習で計算した numpy 配列 growth_rate_bs_reps と log_a0_bs_reps はすでに名前空間にあります。
    • np.exp() を使って線形回帰直線を指数変換し、成長曲線を計算します。
    • plt.semilogy() を使い、キーワード引数 linewidth=0.5、alpha=0.05、color='red' を指定して理論曲線をプロットします。
  • 軸ラベルを付けてグラフを表示します。x軸とy軸のラベルはそれぞれ 'time (hr)' と 'area (sq. µm)' が適切です。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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('____')
____
コードを編集して実行