Regresii liniare și bootstrap pe perechi
Studii de caz în gândirea statistică
Justin Bois
Lecturer, Caltech
Creșterea bacteriană
1 Imagini oferite de Jin Park și Michael Elowitz, Caltech
Creșterea bacteriană
_ = plt.semilogy(t, bac_area, marker='.', linestyle='none')
_ = plt.xlabel('time (hr)')
_ = plt.ylabel('area (sq. µm)')
plt.show()
Regresie liniară cu np.polyfit()
slope, intercept = np.polyfit(t, bac_area, 1)
t_theor = np.array([0, 14])
bac_area_theor = slope * t_theor + intercept
_ = plt.plot(t, bac_area, marker='.', linestyle='none')
_ = plt.plot(t_theor, bac_area_theor)
_ = plt.xlabel('time (hr)')
_ = plt.ylabel('area (sq. µm)')
plt.show()
Regresia creșterii bacteriene
Regresie semilog-liniară cu np.polyfit()
slope, intercept = np.polyfit(t, np.log(bac_area), 1)
t_theor = np.array([0, 14])
bac_area_theor = np.exp(slope * t_theor + intercept)
_ = plt.semilogy(t, bac_area, marker='.', linestyle='none')
_ = plt.semilogy(t_theor, bac_area_theor)
_ = plt.xlabel('time (hr)')
_ = plt.ylabel('area (sq. µm)')
plt.show()
Regresia creșterii bacteriene
Bootstrap pe perechi
- Reeșantionarea datelor în perechi
- Calcularea pantei și interceptului din datele reeșantionate
- Fiecare pantă și interceptul reprezintă o replică bootstrap
- Calcularea intervalelor de încredere din percentilele replicilor bootstrap
Bootstrap pe perechi
# Draw 10000 pairs bootstrap reps slope_reps, int_reps = dcst.draw_bs_pairs_linreg( x_data, y_data, size=10000 )# Compute 95% confidence interval of slope slope_conf_int = np.percentile(slope_reps, [2.5, 97.5])
