Atividade de zebrafish e melatonina

Estudos de caso em pensamento estatístico

Justin Bois

Lecturer, Caltech

Estudos de caso em pensamento estatístico

Aprimore e expanda seu pensamento estatístico
Trabalhe com conjuntos de dados reais
Revisão de Statistical Thinking in Python (Part 1) e (Part 2)

Aquecendo com zebrafish

¹ Filme cortesia de David Prober, Caltech

Nomenclatura

Mutante: Tem a mutação em ambos os cromossomos

Tipo selvagem: Não tem a mutação

Atividade dos peixes, dia e noite

¹ Dados cortesia de Avni Gandhi, Grigorios Oikonomou e David Prober, Caltech

Episódios ativos: uma métrica de vigília

Episódio ativo: Período em que o peixe fica continuamente ativo

Duração do episódio ativo: Número de minutos consecutivos com atividade

Distribuições de probabilidade e histórias

Distribuição de probabilidade: Descrição matemática de resultados

Toda distribuição de probabilidade tem uma história

Distribuições do Statistical Thinking I

Uniforme
Binomial
Poisson
Normal
Exponencial

A distribuição Exponencial

Processo de Poisson: O momento do próximo evento é totalmente independente do momento do evento anterior

História da distribuição Exponencial: O tempo de espera entre chegadas de um processo de Poisson segue a Exponencial

A CDF Exponencial

x, y = ecdf(nuclear_incident_times)

_ = plt.plot(x, y, marker='.', linestyle='none')

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

A CDF Exponencial

x, y = ecdf(nuclear_incident_times)

_ = plt.plot(x, y, marker='.', linestyle='none')

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

 import dc_stat_think as dcst

 dcst.pearson_r?

 Signature: dcst.pearson_r(data_1, data_2)
 Docstring: Compute the Pearson correlation coefficient between two 
 samples.
 Parameters
 ----------
 data_1 : array_like
     One-dimensional array of data.
 data_2 : array_like
     One-dimensional array of  data.
 Returns
 -------
 output : float
     The Pearson correlation coefficient between `data_1`
     and `data_2`.
 File:      usr/local/lib/python3.5/site-packages/
            dc_stat_think-0.1.4-py3.6.egg/dc_stat_think/dc_stat_think.py
 Type:      function

Usando o módulo dc_stat_think

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

Vamos praticar!

Estudos de caso em pensamento estatístico