НачатьНачать бесплатно

Построение кривой роста

В предыдущем упражнении вы убедились, что доверительный интервал для кривой роста очень узкий. Здесь вы исследуете это графически, построив несколько бутстрэп-линий вместе с кривой роста. Для построения графика с логарифмической шкалой по оси y используйте функцию plt.semilogy(). Это означает, что для отображения теоретической линии линейной регрессии её необходимо преобразовать с помощью экспоненцирования.

Это упражнение является частью курса

Примеры применения статистического мышления

Посмотреть курс

Инструкции к упражнению

  • Постройте точки данных с помощью plt.semilogy(). Массивы numpy t и bac_area снова доступны в вашем пространстве имён.
  • Используйте np.array(), чтобы сгенерировать значения времени для построения бутстрэп-линий. Назовите результирующий массив t_bs. Время должно охватывать диапазон от 0 до 14 часов.
  • Напишите цикл for для построения линий регрессии, соответствующих первым 100 парам бутстрэп-реплик. Массивы numpy growth_rate_bs_reps и log_a0_bs_reps, вычисленные в предыдущем упражнении, доступны в вашем пространстве имён.
    • Вычислите кривую роста, применив экспоненцирование к линии линейной регрессии с помощью np.exp().
    • Постройте теоретическую линию с помощью plt.semilogy(), указав именованные аргументы linewidth=0.5, alpha=0.05 и color='red'.
  • Подпишите оси и отобразите график. Используйте подписи 'time (hr)' для оси x и 'area (sq. µm)' для оси y.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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('____')
____
Редактировать и запускать код