Gründe für Modellierung: Interpolation
Ein häufiger Einsatzzweck von Modellierung ist die Interpolation, um einen Wert „innerhalb“ bzw. „zwischen“ den gemessenen Datenpunkten zu bestimmen. In dieser Übung triffst du eine Vorhersage für den Wert der abhängigen Variable distances zu einer gegebenen unabhängigen Variable times, die „zwischen“ zwei Messungen einer Autoreise liegt. Dabei geben die distances die in den jeweiligen verstrichenen Zeiten zurückgelegten Strecken an.
Diese Übung ist Teil des Kurses
<Kurs>Einführung in lineares Modellieren mit Python</Kurs>Übungsanweisungen
- Inspiziere die vordefinierten Datenarrays
timesunddistancessowie das vorab geladene Diagramm. - Schätze basierend auf deiner groben Inspektion die
distance_traveledvom Startpunkt aus beielapse_time = 2.5Stunden. - Weise deine Antwort
distance_traveledzu.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Compute the total change in distance and change in time
total_distance = ____[-1] - ____[0]
total_time = ____[-1] - ____[0]
# Estimate the slope of the data from the ratio of the changes
average_speed = total_distance / total_time
# Predict the distance traveled for a time not measured
elapse_time = 2.5
distance_traveled = average_speed * elapse_time
print("The distance traveled is {}".format(distance_traveled))