ComeçarComece de graça

Avaliando a taxa de crescimento

Para calcular a taxa de crescimento, você pode fazer uma regressão linear do logaritmo da área bacteriana total em função do tempo. Calcule a taxa de crescimento e obtenha um intervalo de confiança de 95% usando bootstrap por pares. Os pontos no tempo, em horas, estão armazenados no array numpy t, e a área bacteriana, em micrômetros quadrados, está em bac_area.

Este exercício faz parte do curso

Estudos de caso em pensamento estatístico

Ver curso

Instruções do exercício

  • Calcule o logaritmo da área bacteriana (bac_area) usando np.log() e armazene o resultado na variável log_bac_area.
  • Calcule a inclinação e a interceptação da curva de crescimento semilog usando np.polyfit(). Guarde a inclinação na variável growth_rate e a interceptação em log_a0.
  • Gere 10.000 réplicas bootstrap por pares da taxa de crescimento e do log da área inicial usando dcst.draw_bs_pairs_linreg(). Armazene os resultados em growth_rate_bs_reps e log_a0_bs_reps.
  • Use np.percentile() para calcular o intervalo de confiança de 95% da taxa de crescimento (growth_rate_bs_reps).
  • Imprima a taxa de crescimento e o intervalo de confiança na tela. Isso já foi feito para você, então clique em 'Enviar Resposta' para ver os resultados!

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Compute logarithm of the bacterial area: log_bac_area
log_bac_area = ____

# Compute the slope and intercept: growth_rate, log_a0
____, ____ = ____

# Draw 10,000 pairs bootstrap replicates: growth_rate_bs_reps, log_a0_bs_reps
____, ____ = ____(
    ____, ____, size=____
)
    
# Compute confidence intervals: growth_rate_conf_int
growth_rate_conf_int = ____

# Print the result to the screen
print("""
Growth rate: {0:.4f} 1/hour
95% conf int: [{1:.4f}, {2:.4f}] 1/hour
""".format(growth_rate, *growth_rate_conf_int))
Editar e executar o código