การประเมินอัตราการเจริญเติบโต

ในการคำนวณอัตราการเจริญเติบโต สามารถทำ linear regression ของค่าลอการิทึมของพื้นที่แบคทีเรียรวมเทียบกับเวลาได้ คำนวณอัตราการเจริญเติบโตและหา confidence interval 95% โดยใช้ pairs bootstrap โดยข้อมูลจุดเวลาในหน่วยชั่วโมงถูกเก็บไว้ในอาร์เรย์ numpy ชื่อ t และพื้นที่แบคทีเรียในหน่วยตารางไมโครเมตรถูกเก็บไว้ใน bac_area

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

กรณีศึกษาด้านการคิดเชิงสถิติ

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณค่าลอการิทึมของพื้นที่แบคทีเรีย (bac_area) โดยใช้ np.log() แล้วเก็บผลลัพธ์ไว้ในตัวแปร log_bac_area
คำนวณค่าความชันและจุดตัดแกนของ semilog growth curve โดยใช้ np.polyfit() เก็บค่าความชันไว้ในตัวแปร growth_rate และค่าจุดตัดแกนไว้ใน log_a0
สุ่ม pairs bootstrap replicates จำนวน 10,000 ครั้งสำหรับอัตราการเจริญเติบโตและ log initial area โดยใช้ dcst.draw_bs_pairs_linreg() เก็บผลลัพธ์ไว้ใน growth_rate_bs_reps และ log_a0_bs_reps
ใช้ np.percentile() คำนวณ confidence interval 95% ของอัตราการเจริญเติบโต (growth_rate_bs_reps)
แสดงอัตราการเจริญเติบโตและ confidence interval บนหน้าจอ ส่วนนี้เตรียมไว้ให้แล้ว กด ส่งคำตอบ เพื่อดูผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด