Model Linear dalam Kosmologi
Kurang dari 100 tahun yang lalu, alam semesta tampak terdiri dari satu galaksi statis, yang mungkin berisi sekitar satu juta bintang. Saat ini kita memiliki pengamatan terhadap ratusan miliar galaksi, masing-masing dengan ratusan miliar bintang, semuanya bergerak.
Awal dari ilmu fisika modern tentang kosmologi datang dengan publikasi pada tahun 1929 oleh Edwin Hubble yang mencakup penggunaan model linear.
Dalam latihan ini, Anda akan membangun model yang kemiringannya akan menghasilkan Konstanta Hubble, yang menggambarkan kecepatan galaksi sebagai fungsi linear dari jaraknya terhadap Bumi.
Latihan ini adalah bagian dari kursus
Pengantar Pemodelan Linear di Python
Petunjuk latihan
- Gunakan
DataFrameyang telah dimuat dengan kolomnames,distances, danvelocities. - Bangun dan latih model menggunakan
ols().fit()denganformula="velocities ~ distances"dandata=df. - Ekstrak estimasi parameter untuk intersep dan kemiringan menggunakan
model_fit.params, dan teruskan masing-masing kea0dana1. - Ulangi prosesnya untuk nilai ketidakpastian yang sesuai, kali ini menggunakan
model_fit.bse.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Fit the model, based on the form of the formula
model_fit = ols(formula="velocities ~ ____", data=df).fit()
# Extract the model parameters and associated "errors" or uncertainties
a0 = model_fit.params['Intercept']
a1 = model_fit.params['____']
e0 = model_fit.bse['____']
e1 = model_fit.bse['distances']
# Print the results
print('For slope a1={:.02f}, the uncertainty in a1 is {:.02f}'.format(a1, e1))
print('For intercept a0={:.02f}, the uncertainty in a0 is {:.02f}'.format(a0, e0))