Korelacja Pearsona dla danych potomstwa i rodziców
Współczynnik korelacji Pearsona wydaje się dobrą miarą tego, w jakim stopniu głębokość dzioba rodziców jest dziedziczona przez potomstwo. Oblicz współczynnik korelacji Pearsona między głębokością dzioba rodziców a potomstwa dla G. scandens, a następnie zrób to samo dla G. fortis. Następnie użyj funkcji napisanej w poprzednim ćwiczeniu, aby obliczyć 95-procentowy przedział ufności metodą par bootstrapowych.
Pamiętaj, że dane są przechowywane w zmiennych bd_parent_scandens, bd_offspring_scandens, bd_parent_fortis i bd_offspring_fortis.
To ćwiczenie jest częścią kursu
Myślenie statystyczne w Pythonie (część 2)
Instrukcje do ćwiczenia
- Użyj funkcji
pearson_r()napisanej w pierwszej części tego kursu, aby obliczyć współczynnik korelacji Pearsona dla G. scandens i G. fortis. - Za pomocą funkcji
draw_bs_pairs()napisanej w poprzednim ćwiczeniu uzyskaj 1000 par replik bootstrapowych współczynnika korelacji Pearsona dla G. scandens i G. fortis. - Oblicz 95-procentowy przedział ufności dla obu gatunków, korzystając z uzyskanych replik bootstrapowych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)