Kom igångKom igång gratis

Plotta tillväxtkurvan

I föregående övning såg du att konfidensintervallet för tillväxtkurvan är mycket snävt. Här utforskar du detta grafiskt genom att plotta flera bootstraplinjer tillsammans med tillväxtkurvan. Du använder funktionen plt.semilogy() för att skapa diagrammet med y-axeln på logaritmisk skala. Det innebär att du behöver transformera din teoretiska linjära regressionskurva inför plottningen genom att exponentiera den.

Den här övningen är en del av kursen

Fallstudier i statistiskt tänkande

Visa kurs

Övningsinstruktioner

  • Plotta datapunkterna med plt.semilogy(). numpy-arrayerna t och bac_area finns tillgängliga i ditt namnområde.
  • Använd np.array() för att generera tidsvärden för plottning av bootstraplinjerna. Kalla detta t_bs. Tidsintervallet ska sträcka sig från 0 till 14 timmar.
  • Skriv en for-slinga för att plotta regressionslinjer för de första 100 paren av bootstrapreplikat. numpy-arrayerna growth_rate_bs_reps och log_a0_bs_reps som du beräknade i förra övningen finns i ditt namnområde.
    • Beräkna tillväxtkurvan genom att exponentiera den linjära regressionslinjen med np.exp().
    • Plotta den teoretiska linjen med plt.semilogy() och nyckelordsargumenten linewidth=0.5, alpha=0.05 och color='red'.
  • Märk axlarna och visa ditt diagram. Lämpliga etiketter för x- respektive y-axeln är 'time (hr)' och 'area (sq. µm)'.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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('____')
____
Redigera och kör kod