लिनीयर रिग्रेशन और पेयर्स बूटस्ट्रैप
Statistical Thinking के केस स्टडीज़
Justin Bois
Lecturer, Caltech
बैक्टीरियल ग्रोथ
1 Images courtesy of Jin Park and Michael Elowitz, Caltech
बैक्टीरियल ग्रोथ
_ = plt.semilogy(t, bac_area, marker='.', linestyle='none')
_ = plt.xlabel('time (hr)')
_ = plt.ylabel('area (sq. µm)')
plt.show()
np.polyfit() से लिनीयर रिग्रेशन
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()
बैक्टीरियल ग्रोथ का रिग्रेशन
np.polyfit() से सेमीलॉग-लिनीयर रिग्रेशन
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()
बैक्टीरियल ग्रोथ का रिग्रेशन
पेयर्स बूटस्ट्रैप
- डेटा को पेयर्स में रिसैंपल करें
- रिसैंपल्ड डेटा से slope और intercept निकालें
- हर slope और intercept एक बूटस्ट्रैप रेप्लिकेट है
- बूटस्ट्रैप रेप्लिकेट्स के परसेंटाइल से कॉन्फिडेंस इंटरवल निकालें
पेयर्स बूटस्ट्रैप
# 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])
