母體參數的估計
想像有一個繞行一整年的衛星「母體」，我們以公里為單位，量測每小時的行進距離。由於軌道動力學中存在未知的複雜因素，每小時量得的距離會有變動。假設我們無法量完一整年的所有資料，但希望根據一個測量樣本，建立每小時軌道距離變動（速度）的母體模型。
在這個練習中，你將假設每小時距離的母體最適合用高斯分佈建模，並進一步假設此母體模型的參數可以由樣本統計量來估計。從已預先載入、取自衛星母體的 sample_distances 開始。
本練習屬於課程
Python 線性建模入門
練習說明
- 計算
sample_distances的平均與標準差。 - 使用樣本統計量
mean與stdev作為母體模型參數mu與sigma的良好估計值。 - 將這些數值與
sample_distances傳入預先定義的gaussian_model()，以建立母體模型。 - 使用預先定義的
plot_model_and_data()，將樣本資料與母體模型一起繪圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)