Aktywność danio pręgowanego i melatonina

Studia przypadków w myśleniu statystycznym

Justin Bois

Lecturer, Caltech

Studia przypadków w myśleniu statystycznym

Rozwijaj i pogłębiaj myślenie statystyczne
Pracuj z rzeczywistymi zbiorami danych
Powtórzenie kursu Statistical Thinking in Python (część 1 i 2)

Rozgrzewka z danio pręgowanym

¹ Film udostępniony przez David Prober, Caltech

Nazewnictwo

Mutant: Posiada mutację na obu chromosomach

Typ dziki: Nie posiada mutacji

Aktywność ryb w dzień i w nocy

¹ Dane udostępnione przez Avni Gandhi, Grigorios Oikonomou i David Prober, Caltech

Epizody aktywności: miara czuwania

Epizod aktywności: Okres, w którym ryba jest stale aktywna

Długość epizodu aktywności: Liczba kolejnych minut z aktywnością

Rozkłady prawdopodobieństwa i ich historii

Rozkład prawdopodobieństwa: Matematyczny opis wyników

Rozkład prawdopodobieństwa ma swoją historię

Rozkłady z kursu Statistical Thinking I

Jednostajny
Dwumianowy
Poissona
Normalny
Wykładniczy

Rozkład wykładniczy

Proces Poissona: Czas do następnego zdarzenia jest całkowicie niezależny od czasu poprzedniego zdarzenia

Historia rozkładu wykładniczego: Czas oczekiwania między zdarzeniami procesu Poissona ma rozkład wykładniczy

Wykładnicza dystrybuanta (CDF)

x, y = ecdf(nuclear_incident_times)

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

¹ Źródło danych: Wheatley, Sovacool i Sornette, Nuclear Events Database

Wykładnicza dystrybuanta (CDF)

x, y = ecdf(nuclear_incident_times)

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

¹ Źródło danych: Wheatley, Sovacool i 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

Korzystanie z modułu dc_stat_think

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

Czas na ćwiczenia!

Studia przypadków w myśleniu statystycznym