Optimale Parameter

Statistical Thinking in Python (Teil 2)

Justin Bois

Lecturer at the California Institute of Technology

Histogramm von Michelsons Messungen

ch1-1.002.png

¹ Daten: Michelson, 1880

CDF von Michelsons Messungen

ch1-1.004.png

¹ Daten: Michelson, 1880

Normalität der Michelson-Daten prüfen

import numpy as np
import matplotlib.pyplot as plt

mean = np.mean(michelson_speed_of_light)
std = np.std(michelson_speed_of_light)
samples = np.random.normal(mean, std, size=10000)

CDF von Michelsons Messungen

ch1-1.010.png

¹ Daten: Michelson, 1880

CDF mit schlechter Schätzung der Std.-Abw.

ch1-1.012.png

¹ Daten: Michelson, 1880

CDF mit schlechter Schätzung des Mittels

ch1-1.014.png

¹ Daten: Michelson, 1880

Optimale Parameter

Parameterwerte, die Modell und Daten am besten in Einklang bringen

Masse des Basses mit Großmaul in MA

ch1-1.017.png

¹ Quelle: Mass. Dept. of Environmental Protection

Pakete für statistische Inferenz

ch1-1.020.png

Pakete für statistische Inferenz

ch1-1.021.png

Pakete für statistische Inferenz

ch1-1.022.png

¹ Messerbild: D-M Commons, CC BY-SA 3.0

Lass uns üben!

Statistical Thinking in Python (Teil 2)