Parámetros óptimos

Pensamiento estadístico en Python (Parte 2)

Justin Bois

Lecturer at the California Institute of Technology

Histograma de las mediciones de Michelson

ch1-1.002.png

¹ Datos: Michelson, 1880

CDF de las mediciones de Michelson

ch1-1.004.png

¹ Datos: Michelson, 1880

Comprobando la normalidad de los datos de Michelson

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 de las mediciones de Michelson

ch1-1.010.png

¹ Datos: Michelson, 1880

CDF con mala estimación de la desv. típ.

ch1-1.012.png

¹ Datos: Michelson, 1880

CDF con mala estimación de la media

ch1-1.014.png

¹ Datos: Michelson, 1880

Parámetros óptimos

Valores de parámetros que ajustan el modelo a los datos lo mejor posible

Masa del black bass de boca grande en MA

ch1-1.017.png

¹ Fuente: Mass. Dept. of Environmental Protection

Paquetes para hacer inferencia estadística

ch1-1.020.png

Paquetes para hacer inferencia estadística

ch1-1.021.png

Paquetes para hacer inferencia estadística

ch1-1.022.png

¹ Imagen del cuchillo: D-M Commons, CC BY-SA 3.0

¡Vamos a practicar!

Pensamiento estadístico en Python (Parte 2)