Kozmolojide Doğrusal Model
100 yıldan daha kısa bir süre önce, evren tek, durağan bir galaksiden ve belki bir milyon yıldızdan oluşuyor gibi görünüyordu. Bugün ise yüz milyarlarca galaksinin ve her birinde yüz milyarlarca yıldızın hareket ettiğine dair gözlemlerimiz var.
Modern kozmolojinin fizik bilimi olarak başlangıcı, doğrusal bir modelin de kullanıldığı Edwin Hubble’ın 1929’daki yayını ile geldi.
Bu egzersizde, eğimi Hubble Sabiti’ni veren bir model kuracaksın. Bu sabit, galaksilerin hızını Dünya’ya olan uzaklığın doğrusal bir fonksiyonu olarak tanımlar.
Bu egzersiz, kursun bir parçasıdır
Python ile Doğrusal Modellemenin Temelleri
Egzersiz talimatları
names,distancesvevelocitiessütunlarına sahip, önceden yüklenmişDataFrame’i kullan.formula="velocities ~ distances"vedata=dfileols().fit()kullanarak bir model kur ve uydur.model_fit.paramsile kesişim ve eğim için parametre tahminlerini çıkar; bunları sırasıylaa0vea1değişkenlerine ata.- Aynı işlemi karşılık gelen belirsizlik değerleri için tekrarla; bu kez
model_fit.bsekullan.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))