Vẽ đường cong tăng trưởng

Trong bài trước, bạn đã thấy khoảng tin cậy của đường cong tăng trưởng rất hẹp. Ở đây, bạn sẽ khám phá điều đó qua đồ thị bằng cách vẽ vài đường bootstrap cùng với đường cong tăng trưởng. Bạn sẽ dùng hàm plt.semilogy() để vẽ với trục y ở thang log. Điều này có nghĩa bạn cần biến đổi đường hồi quy tuyến tính lý thuyết trước khi vẽ bằng cách lấy lũy thừa của nó.

Bài tập này là một phần của khóa học

Các nghiên cứu tình huống về tư duy thống kê

Xem khóa học

Hướng dẫn bài tập

Vẽ các điểm dữ liệu bằng plt.semilogy(). Các mảng numpy t và bac_area vẫn có trong không gian làm việc của bạn.
Dùng np.array() để tạo các giá trị thời gian nhằm vẽ các đường bootstrap. Gọi biến này là t_bs. Thời gian nên chạy từ 0 đến 14 giờ.
Viết vòng lặp for để vẽ các đường hồi quy ứng với 100 cặp bootstrap replicates đầu tiên. Các mảng numpy growth_rate_bs_reps và log_a0_bs_reps mà bạn đã tính ở bài trước có trong không gian làm việc.
- Tính đường cong tăng trưởng bằng cách lấy lũy thừa của đường hồi quy tuyến tính với np.exp().
- Vẽ đường lý thuyết bằng plt.semilogy() với các đối số từ khóa linewidth=0.5, alpha=0.05, và color='red'.
Đặt nhãn cho trục và hiển thị đồ thị. Nhãn phù hợp cho trục x và y lần lượt là 'time (hr)' và 'area (sq. µm)'.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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('____')
____

Chỉnh sửa và Chạy Mã