Kom igångKom igång gratis

Skattning av populationsparametrar

Föreställ dig en konstellation ("population") av satelliter som kretsar i omloppsbana under ett helt år, där det avstånd som tillryggaläggs varje timme mäts i kilometer. Variationen i de uppmätta avstånden beror på okända faktorer i omloppsdynamiken. Anta att vi inte kan mäta all data för hela året, men att vi vill bygga en populationsmodell för variationerna i orbital distans per timme (hastighet) utifrån ett urval av mätningar.

I den här övningen antar du att populationen av timvisa avstånd bäst modelleras med en gaussisk fördelning, och att parametrarna i den populationsmodellen kan skattas från urvalsstatistiken. Börja med det inlästa sample_distances som hämtats från en population av satelliter.

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Beräkna medelvärdet och standardavvikelsen för sample_distances.
  • Använd urvalsstatistiken, mean och stdev, som bra skattningar för parametrarna mu och sigma i en populationsmodell.
  • Skicka dessa värden, samt sample_distances, till den fördefinierade funktionen gaussian_model() för att bygga populationsmodellen.
  • Använd den fördefinierade funktionen plot_model_and_data() för att plotta urvalsdatan och populationsmodellen tillsammans.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod