Actividad de pez cebra y melatonina

Casos prácticos de pensamiento estadístico

Justin Bois

Lecturer, Caltech

Casos prácticos de pensamiento estadístico

Afina y amplía tu pensamiento estadístico
Trabaja con conjuntos de datos reales
Repaso de Statistical Thinking in Python (Parte 1) y (Parte 2)

Calentando con pez cebra

¹ Película cortesía de David Prober, Caltech

Nomenclatura

Mutante: Tiene la mutación en ambos cromosomas

Silvestre: No tiene la mutación

Actividad del pez, día y noche

¹ Datos cortesía de Avni Gandhi, Grigorios Oikonomou y David Prober, Caltech

Ráfagas activas: una métrica de vigilia

Ráfaga activa: Periodo en el que un pez está activo de forma continua

Duración de la ráfaga activa: Minutos consecutivos con actividad

Distribuciones y sus historias

Distribución de probabilidad: Descripción matemática de resultados

Una distribución de probabilidad tiene una historia

Distribuciones de Statistical Thinking I

Uniforme
Binomial
Poisson
Normal
Exponencial

La distribución Exponencial

Proceso de Poisson: El momento del siguiente evento es totalmente independiente de cuándo ocurrió el anterior

Historia de la distribución Exponencial: El tiempo de espera entre llegadas de un proceso de Poisson sigue una Exponencial

La CDF Exponencial

x, y = ecdf(nuclear_incident_times)

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

¹ Fuente de datos: Wheatley, Sovacool y Sornette, Nuclear Events Database

La CDF Exponencial

x, y = ecdf(nuclear_incident_times)

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

¹ Fuente de datos: Wheatley, Sovacool y 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

Usar el módulo dc_stat_think

x, y = dcst.ecdf(nuclear_incident_times)

% pip install dc_stat_think

¡Vamos a practicar!

Casos prácticos de pensamiento estadístico