Kalıtılabilirliği ölçme
Pearson korelasyon katsayısının, kovaryansın iki veri kümesinin varyanslarının geometrik ortalamasına oranı olduğunu unutma. Bu, ebeveyn ve yavrular arasındaki korelasyonu ölçer, ancak kalıtılabilirlik için en iyi tahmin olmayabilir. Biraz düşünürsek, kalıtılabilirliği ebeveyn ve yavru arasındaki kovaryansın, yalnızca ebeveynlerin varyansına oranı olarak tanımlamanın daha mantıklı olduğunu görürüz. Bu egzersizde, kalıtılabilirliği tahmin edecek ve %95 güven aralığını elde etmek için çiftler bootstrap hesabı yapacaksın.
Bu egzersiz çok önemli bir noktayı vurguluyor. İstatistiksel çıkarım (ve genel olarak veri analizi) bir "tak ve çalıştır" işi değildir. Verilerinle hangi soruları yanıtlamak istediğini dikkatlice düşünmeli ve buna uygun analiz yapmalısın. Eğer ilgilendiğin şey özelliklerin ne kadar kalıtsal olduğuysa, tanımladığımız kalıtılabilirlik niceliği, hazır bir istatistik olan Pearson korelasyon katsayısından daha uygundur.
Verilerin bd_parent_scandens, bd_offspring_scandens, bd_parent_fortis ve bd_offspring_fortis içinde saklandığını unutma.
Bu egzersiz, kursun bir parçasıdır
Python ile İstatistiksel Düşünme (Bölüm 2)
Egzersiz talimatları
- Ebeveyn ve yavrudaki özelliğin kovaryansının, yalnızca ebeveynlerdeki özelliğin varyansına oranı olarak tanımlanan kalıtılabilirliği hesaplayan
heritability(parents, offspring)fonksiyonunu yaz. İpucu: Bu kursun bir önceki bölümünde ele aldığımıznp.cov()fonksiyonunu hatırla. - Bu fonksiyonu kullanarak G. scandens ve G. fortis için kalıtılabilirliği hesapla.
- G. scandens ve G. fortis için çiftler bootstrap kullanarak kalıtılabilirliğin 1000 tekrarını elde et.
- Bootstrap tekrarlarını kullanarak her ikisi için %95 güven aralığını hesapla.
- Sonuçları yazdır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
def heritability(parents, offspring):
"""Compute the heritability from parent and offspring samples."""
covariance_matrix = np.cov(parents, offspring)
return ____ / ____
# Compute the heritability
heritability_scandens = ____
heritability_fortis = ____
# Acquire 1000 bootstrap replicates of heritability
replicates_scandens = draw_bs_pairs(
____, ____, ____, size=____)
replicates_fortis = draw_bs_pairs(
____, ____, ____, size=____)
# Compute 95% confidence intervals
conf_int_scandens = ____
conf_int_fortis = ____
# Print results
print('G. scandens:', heritability_scandens, conf_int_scandens)
print('G. fortis:', heritability_fortis, conf_int_fortis)