BaşlayınÜcretsiz başlayın

Büyüme eğrisini çizme

Önceki egzersizde, büyüme eğrisi üzerindeki güven aralığının çok dar olduğunu gördün. Bunu burada, büyüme eğrisiyle birlikte birkaç bootstrap doğrusunu çizerek görselleştireceksin. Y-ekseni log ölçekte olacak şekilde grafiği çizmek için plt.semilogy() fonksiyonunu kullanacaksın. Bu da, teorik doğrusal regresyon doğrunu çizim için üssel değerlendirerek dönüştürmen gerektiği anlamına geliyor.

Bu egzersiz, kursun bir parçasıdır

İstatistiksel Düşünmede Vaka Çalışmaları

Kursa Göz Atın

Egzersiz talimatları

  • Veri noktalarını plt.semilogy() kullanarak çiz. numpy dizileri t ve bac_area yine isim alanında.
  • Bootstrap doğrularını çizmek için zaman değerlerini np.array() ile üret. Buna t_bs adını ver. Zaman 0'dan 14 saate kadar gitmeli.
  • İlk 100 çift bootstrap yinelemesine karşılık gelen regresyon doğrularını çizmek için bir for döngüsü yaz. Son egzersizde hesapladığın numpy dizileri growth_rate_bs_reps ve log_a0_bs_reps isim alanında.
    • np.exp() kullanarak doğrusal regresyon doğrusunu üssel değerlendirip büyüme eğrisini hesapla.
    • Teorik doğruyu, linewidth=0.5, alpha=0.05 ve color='red' anahtar argümanlarıyla plt.semilogy() kullanarak çiz.
  • Eksenleri etiketle ve grafiği göster. Sırasıyla x ve y eksenleri için uygun etiketler 'time (hr)' ve 'area (sq. µm)'.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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('____')
____
Kodu Düzenle ve Çalıştır