斑马鱼的活动与褪黑素

统计思维案例研习

Justin Bois

Lecturer, Caltech

统计思维案例研究

提升并拓展统计思维
使用真实数据集
回顾《Python 中的统计思维（第 1、2 部分）》

从斑马鱼热身

¹ 视频由加州理工学院 David Prober 提供

命名法

突变体：两条染色体均带有该突变

野生型：不带该突变

鱼类活动：白天与夜晚

¹ 数据由加州理工学院 Avni Gandhi、Grigorios Oikonomou 和 David Prober 提供

活跃段：清醒度指标

活跃段（active bout）：鱼持续活动的一段时间

活跃段时长：连续有活动的分钟数

概率分布与"故事"

概率分布：对结果的数学描述

概率分布有其情境/故事

《统计思维 I》中提到的分布

均匀分布
二项分布
泊松分布
正态分布
指数分布

指数分布

泊松过程：下一次事件的时间与上一次发生时间完全独立

指数分布的"故事"：泊松过程相邻到达的等待时间服从指数分布

指数分布的 CDF

x, y = ecdf(nuclear_incident_times)

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

¹ 数据来源：Wheatley、Sovacool、Sornette，《核事件数据库》

指数分布的 CDF

x, y = ecdf(nuclear_incident_times)

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

¹ 数据来源：Wheatley、Sovacool、Sornette，《核事件数据库》

 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

使用 dc_stat_think 模块

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

Vamos praticar!

统计思维案例研习