Zebra balığı aktivitesi ve melatonin

İstatistiksel Düşünmede Vaka Çalışmaları

Justin Bois

Lecturer, Caltech

İstatistiksel düşünmede vaka çalışmaları

İstatistiksel düşünme becerilerini keskinleştir ve genişlet
Gerçek veri kümeleriyle çalış
Statistical Thinking in Python (Part 1) ve (Part 2) gözden geçirme

Zebra balığıyla ısınma

¹ Film: David Prober, Caltech

Adlandırma

Mutant: Mutasyonu her iki kromozomda da taşır

Yabani tip: Mutasyonu taşımaz

Balık aktivitesi, gündüz ve gece

¹ Veri: Avni Gandhi, Grigorios Oikonomou ve David Prober, Caltech

Uyanıklık ölçütü: aktif dönemler

Aktif dönem: Balığın sürekli aktif olduğu zaman aralığı

Aktif dönem uzunluğu: Art arda aktivite olan dakika sayısı

Olasılık dağılımları ve hikayeleri

Olasılık dağılımı: Sonuçların matematiksel tanımı

Her olasılık dağılımının bir hikayesi vardır

Statistical Thinking I'den dağılımlar

Uniform
Binomial
Poisson
Normal
Exponential

Exponential dağılım

Poisson süreci: Sonraki olayın zamanı, önceki olayın ne zaman olduğundan tamamen bağımsızdır

Exponential dağılımın hikayesi: Bir Poisson sürecindeki gelişler arasındaki bekleme süresi Exponential dağılır

Exponential KDA

x, y = ecdf(nuclear_incident_times)

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

¹ Veri kaynağı: Wheatley, Sovacool ve Sornette, Nuclear Events Database

Exponential KDA

x, y = ecdf(nuclear_incident_times)

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

¹ Veri kaynağı: Wheatley, Sovacool ve 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

dc_stat_think modülünü kullanma

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

Hadi pratik yapalım!

İstatistiksel Düşünmede Vaka Çalışmaları