Estimasi Parameter Populasi

Bayangkan suatu rasi ("populasi") satelit yang mengorbit selama satu tahun penuh, dan jarak yang ditempuh setiap jam diukur dalam kilometer. Terdapat variasi pada jarak yang diukur dari jam ke jam, akibat komplikasi dinamika orbit yang tidak diketahui. Asumsikan kita tidak dapat mengukur semua data selama satu tahun, tetapi kita ingin membangun model populasi untuk variasi jarak orbit per jam (kecepatan) berdasarkan sampel pengukuran.

Dalam latihan ini, Anda akan mengasumsikan bahwa populasi jarak per jam paling baik dimodelkan dengan gaussian, dan selanjutnya mengasumsikan bahwa parameter model populasi tersebut dapat diestimasi dari statistik sampel. Mulailah dengan sample_distances yang telah dimuat, yang diambil dari populasi satelit.

Latihan ini adalah bagian dari kursus

Pengantar Pemodelan Linear di Python

Lihat Kursus

Petunjuk latihan

Hitung mean dan standar deviasi dari sample_distances.
Gunakan statistik sampel, mean dan stdev, sebagai taksiran yang baik untuk parameter mu dan sigma dari model populasi.
Masukkan nilai-nilai tersebut, serta sample_distances, ke dalam gaussian_model() yang sudah disediakan untuk membangun model populasi.
Gunakan plot_model_and_data() yang sudah disediakan untuk memplot data sampel dan model populasi secara bersamaan.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Compute the mean and standard deviation of the sample_distances
sample_mean = np.mean(____)
sample_stdev = np.std(____)

# Use the sample mean and stdev as estimates of the population model parameters mu and sigma
population_model = gaussian_model(____, mu=____, sigma=____)

# Plot the model and data to see how they compare
fig = plot_data_and_model(sample_distances, population_model)

Edit dan Jalankan Kode