ज़ेब्राफिश और मेलाटोनिन की सक्रियता

Statistical Thinking के केस स्टडीज़

Justin Bois

Lecturer, Caltech

सांख्यिकीय सोच के केस स्टडी

अपनी सांख्यिकी सोच कौशल निखारें और आगे बढ़ाएँ
वास्तविक डेटासेट्स पर काम करें
Statistical Thinking in Python (Part 1) और (Part 2) की समीक्षा

ज़ेब्राफिश से वार्म-अप

¹ वीडियो सौजन्य: David Prober, Caltech

नामकरण

Mutant: दोनों क्रोमोसोम पर म्यूटेशन होता है

Wild type: इसमें म्यूटेशन नहीं होता

दिन-रात में मछली की सक्रियता

¹ डेटा सौजन्य: Avni Gandhi, Grigorios Oikonomou, और David Prober, Caltech

Active bouts: जागरूकता का मीट्रिक

Active bout: वह समय-खंड जब मछली लगातार सक्रिय रहे

Active bout length: लगातार सक्रिय मिनटों की संख्या

Probability distributions और कहानियाँ

Probability distribution: नतीजों का गणितीय वर्णन

हर probability distribution की एक कहानी होती है

Statistical Thinking I की distributions

Uniform
Binomial
Poisson
Normal
Exponential

Exponential distribution

Poisson process: अगले इवेंट का समय पिछले इवेंट से पूरी तरह स्वतंत्र होता है

Exponential distribution की कहानी: Poisson process में आगमन के बीच की waiting time Exponential वितरित होती है

Exponential CDF

x, y = ecdf(nuclear_incident_times)

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

¹ डेटा स्रोत: Wheatley, Sovacool, और Sornette, Nuclear Events Database

Exponential CDF

x, y = ecdf(nuclear_incident_times)

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

¹ डेटा स्रोत: Wheatley, Sovacool, और 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 मॉड्यूल का उपयोग

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

अभ्यास करते हैं!

Statistical Thinking के केस स्टडीज़