시작하기무료로 시작하기

모수 추정하기

위성들이 1년 내내 궤도를 도는 별자리("모집단")를 상상해 보세요. 매 시간 이동한 거리를 킬로미터 단위로 측정합니다. 궤도 역학의 알 수 없는 복잡성 때문에 시간마다 측정 거리에 변동이 있어요. 1년치 모든 데이터를 측정할 수는 없다고 가정하지만, 일부 측정값으로 시간당 궤도 거리(속도)의 변동에 대한 모집단 모델을 만들고자 합니다.

이 연습 문제에서는 시간당 거리의 모집단이 가우시안으로 가장 잘 모델링된다고 가정하고, 그 모집단 모델의 모수 또한 표본 통계량으로 추정할 수 있다고 가정해요. 위성 모집단에서 추출한 사전 로드된 sample_distances로 시작하세요.

이 연습은 강의의 일부입니다

Python으로 배우는 선형 모델 입문

강의 보기

연습 안내

  • sample_distances의 평균과 표준편차를 계산하세요.
  • 표본 통계량인 mean과 stdev을 모집단 모델의 모수 mu와 sigma의 추정값으로 사용하세요.
  • 그 값들과 sample_distances를 미리 정의된 gaussian_model()에 전달해 모집단 모델을 만드세요.
  • 미리 정의된 plot_model_and_data()를 사용해 표본 데이터와 모집단 모델을 함께 그려 보세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행