กิจกรรมของปลาซีบราฟิชและเมลาโทนิน

กรณีศึกษาด้านการคิดเชิงสถิติ

Justin Bois

Lecturer, Caltech

กรณีศึกษาด้านการคิดเชิงสถิติ

กรณีศึกษาด้านการคิดเชิงสถิติ

  • ฝึกและต่อยอดทักษะการคิดเชิงสถิติ
  • ทำงานกับชุดข้อมูลจริง
  • ทบทวน Statistical Thinking in Python (ภาค 1 และ 2)
กรณีศึกษาด้านการคิดเชิงสถิติ

เริ่มต้นกับปลาซีบราฟิช

1 คลิปวิดีโอโดยความอนุเคราะห์จาก David Prober, Caltech
กรณีศึกษาด้านการคิดเชิงสถิติ

การเรียกชื่อ

  • มิวแทนต์: มีการกลายพันธุ์บนโครโมโซมทั้งสองข้าง

  • ไวลด์ไทป์: ไม่มีการกลายพันธุ์
กรณีศึกษาด้านการคิดเชิงสถิติ

กิจกรรมของปลาในช่วงกลางวันและกลางคืน

1 ข้อมูลโดยความอนุเคราะห์จาก Avni Gandhi, Grigorios Oikonomou และ David Prober, Caltech
กรณีศึกษาด้านการคิดเชิงสถิติ

Active bouts: ตัวชี้วัดความตื่นตัว

  • Active bout: ช่วงเวลาที่ปลาเคลื่อนไหวอย่างต่อเนื่อง

  • Active bout length: จำนวนนาทีติดต่อกันที่มีการเคลื่อนไหว
กรณีศึกษาด้านการคิดเชิงสถิติ

การแจกแจงความน่าจะเป็นและเรื่องราวเบื้องหลัง

  • การแจกแจงความน่าจะเป็น: คำอธิบายทางคณิตศาสตร์ของผลลัพธ์ที่เป็นไปได้

  • การแจกแจงความน่าจะเป็นแต่ละแบบมี เรื่องราว ของตัวเอง
กรณีศึกษาด้านการคิดเชิงสถิติ

การแจกแจงจาก Statistical Thinking I

  • Uniform
  • Binomial
  • Poisson
  • Normal
  • Exponential
กรณีศึกษาด้านการคิดเชิงสถิติ

การแจกแจง Exponential

  • กระบวนการ Poisson: เวลาที่เหตุการณ์ถัดไปเกิดขึ้นนั้นเป็นอิสระจากเหตุการณ์ก่อนหน้าอย่างสมบูรณ์

  • เรื่องราวของการแจกแจง Exponential: เวลารอระหว่างการมาถึงของกระบวนการ Poisson มีการแจกแจงแบบ Exponential
กรณีศึกษาด้านการคิดเชิงสถิติ

CDF ของการแจกแจง Exponential

x, y = ecdf(nuclear_incident_times)

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

1 แหล่งข้อมูล: Wheatley, Sovacool, and Sornette, Nuclear Events Database
กรณีศึกษาด้านการคิดเชิงสถิติ

CDF ของการแจกแจง Exponential

x, y = ecdf(nuclear_incident_times)

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

1 แหล่งข้อมูล: Wheatley, Sovacool, and Sornette, Nuclear Events Database
กรณีศึกษาด้านการคิดเชิงสถิติ
 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
กรณีศึกษาด้านการคิดเชิงสถิติ

การใช้งานโมดูล dc_stat_think

x, y = dcst.ecdf(nuclear_incident_times)


% pip install dc_stat_think
กรณีศึกษาด้านการคิดเชิงสถิติ

มาฝึกกันเถอะ!

กรณีศึกษาด้านการคิดเชิงสถิติ

Preparing Video For Download...