การพล็อตเส้นโค้งการเติบโต

จากแบบฝึกหัดก่อนหน้า จะเห็นว่าช่วงความเชื่อมั่นของเส้นโค้งการเติบโตแคบมาก ในแบบฝึกหัดนี้จะสำรวจสิ่งนี้ในเชิงกราฟิกโดยพล็อตเส้น bootstrap หลายเส้นพร้อมกับเส้นโค้งการเติบโต จะใช้ฟังก์ชัน plt.semilogy() เพื่อพล็อตกราฟโดยให้แกน y อยู่ในสเกลลอการิทึม ซึ่งหมายความว่าต้องแปลงเส้นถดถอยเชิงเส้นทางทฤษฎีด้วยการยกกำลัง e ก่อนนำไปพล็อต

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

กรณีศึกษาด้านการคิดเชิงสถิติ

ดูคอร์ส

คำแนะนำการฝึกหัด

พล็อตจุดข้อมูลโดยใช้ plt.semilogy() โดย numpy arrays t และ bac_area อยู่ใน namespace แล้ว
ใช้ np.array() สร้างค่าเวลาสำหรับพล็อตเส้น bootstrap แล้วกำหนดให้ตัวแปรชื่อ t_bs โดยค่าเวลาควรอยู่ในช่วง 0 ถึง 14 ชั่วโมง
เขียนลูป for เพื่อพล็อตเส้นถดถอยที่สอดคล้องกับคู่ bootstrap replicates 100 คู่แรก โดย numpy arrays growth_rate_bs_reps และ log_a0_bs_reps ที่คำนวณไว้ในแบบฝึกหัดก่อนหน้าอยู่ใน namespace แล้ว
- คำนวณเส้นโค้งการเติบโตโดยยกกำลัง e ของเส้นถดถอยเชิงเส้นด้วย np.exp()
- พล็อตเส้นทางทฤษฎีโดยใช้ plt.semilogy() พร้อม keyword arguments linewidth=0.5, alpha=0.05 และ color='red'
ติดป้ายกำกับแกนและแสดงกราฟ โดยป้ายกำกับที่เหมาะสมสำหรับแกน x และ y คือ 'time (hr)' และ 'area (sq. µm)' ตามลำดับ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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('____')
____

แก้ไขและรันโค้ด