Attività dei pesci zebra e melatonina

Casi di studio nel pensiero statistico

Justin Bois

Lecturer, Caltech

Casi di studio nel pensiero statistico

Affina ed espandi le tue capacità di pensiero statistico
Lavora con insiemi di dati reali
Ripasso di Statistical Thinking in Python (Parte 1) e (Parte 2)

Riscaldamento con i pesci zebra

¹ Video per gentile concessione di David Prober, Caltech

Nomenclatura

Mutante: Ha la mutazione su entrambi i cromosomi

Tipo selvatico: Non ha la mutazione

Attività dei pesci, giorno e notte

¹ Dati per gentile concessione di Avni Gandhi, Grigorios Oikonomou e David Prober, Caltech

Active bout: una metrica della veglia

Active bout: Periodo in cui un pesce è costantemente attivo

Lunghezza dell'active bout: Numero di minuti consecutivi con attività

Distribuzioni di probabilità e storie

Distribuzione di probabilità: Descrizione matematica degli esiti

Una distribuzione di probabilità ha una storia

Distribuzioni da Statistical Thinking I

Uniforme
Binomiale
Poisson
Normale
Esponenziale

La distribuzione esponenziale

Processo di Poisson: Il momento del prossimo evento è del tutto indipendente da quando è avvenuto il precedente

Storia della distribuzione esponenziale: Il tempo di attesa tra arrivi di un processo di Poisson è distribuito esponenzialmente

La CDF esponenziale

x, y = ecdf(nuclear_incident_times)

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

¹ Fonte dati: Wheatley, Sovacool e Sornette, Nuclear Events Database

La CDF esponenziale

x, y = ecdf(nuclear_incident_times)

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

¹ Fonte dati: 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

Uso del modulo dc_stat_think

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

Esercitiamoci!

Casi di studio nel pensiero statistico