제브라피시 활동과 멜라토닌

통계적 사고 사례 연구

Justin Bois

Lecturer, Caltech

통계적 사고 사례 연구

통계적 사고 능력을 심화·확장
실제 데이터셋 활용
통계적 사고(파이썬) 1부 및 2부 복습

제브라피시로 워밍업

¹ 영상 제공: David Prober (캘리포니아 공과대학교)

용어 정의

돌연변이형(Mutant): 양쪽 염색체 모두에 돌연변이가 있음

야생형(Wild type): 돌연변이가 없음

낮과 밤의 물고기 활동

¹ 데이터 제공: Avni Gandhi, Grigorios Oikonomou, David Prober (캘리포니아 공과대학교)

활동 구간: 각성 지표

활동 구간(Active bout): 물고기가 지속적으로 활동하는 시간

활동 구간 길이: 연속적으로 활동한 분(分) 수

확률 분포와 이야기

확률 분포: 결과를 수학적으로 기술하는 함수

확률 분포에는 이야기가 있습니다

통계적 사고 1에서 다룬 분포

균등 분포
이항 분포
포아송 분포
정규 분포
지수 분포

지수 분포

포아송 과정: 다음 사건의 발생 시점은 이전 사건과 완전히 독립적

지수 분포의 이야기: 포아송 과정에서 사건 간 대기 시간은 지수 분포를 따름

지수 분포의 CDF

x, y = ecdf(nuclear_incident_times)

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

¹ 데이터 출처: Wheatley, Sovacool, and Sornette, Nuclear Events Database

지수 분포의 CDF

x, y = ecdf(nuclear_incident_times)

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

¹ 데이터 출처: Wheatley, Sovacool, and 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 모듈 사용하기

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

연습해 봅시다!

통계적 사고 사례 연구