model = Model(verteilung)
model.fit(daten, x=xwerte)

Für die Suszeptibilität hätte ich dann: daten= sus_aufgenommene Punkte, x = T
Woher weiß ich, welche Verteilung in der Aufnahme Herrscht?

Danke dir...
LG

Die Funktion gibt mir ein paar verschiedene Sachen raus.
Sus gegen T, was ich gerade plotten möchte ist die Suszeptibilität. Der Graph ist ähnlich wie eine Gaußglocke nur nach links verzerrt.
magnet gegen T ist die Magnetisierung. Sie ist bis T=2.26 fast konstant 1 oder -1 dann fallen beide Kurven ...

Das ist ein Beispiel um die Abweichungen der Werte zu demonstrieren.
Wenn ich anstatt gaussian meine Funktion rein tue, kriege ich wieder Fehlermeldungen.
Bei gmodel = Model(EW) oder gmodel = Model(metropolis()) erhalte ich: TypeError: unsupported callable
Is auch klar, weil die EWs Werte der ...

Ich dachte es geht um Gauß.
Also wie kann ich dann meinen Code mit lmfit fitten.
Parameter habe ich nicht.
EW sind lediglich Punkte, die mir die Funktion metropolis rausgibt. Nun möchte ich diese Punkte gegen T fitten. Weiß aber nicht, wie es geht.
Weiß du, wie ich da vorgehen sollte?
LG
Micha

Hallo!
Ich habe versucht gemäß
https://lmfit.github.io/lmfit-py/model.html
eine Kurve zu fitten. Es klappt leider nicht.
Ich erhalte folgende Fehlermeldung:
gmodel = Model(gaussian)
NameError: name 'gaussian' is not defined
Obwohl Gauß im lmfit drin sein müsste.

import numpy as np
import random ...

Das Problem liegt daran, dass ich mich mit dem Python nicht genügend gut auskenne.

sciypy war mir zu kompliziert. Ich habe es nicht benutzen können. Stattdessen habe ich polyfit benutzt und deq=3 gesetzt.

Zu meiner Kurve passt eigentlich "Cubic Spline-fitting", weil meine Kurve beleibt bei 1 bis ...

Hallo nochmal!

Ich bin dabei das Ising-Modell über Monte-Carlo Methode zu simulieren. Der Code ist ziemlich lang und kompliziert, deshalb habe ich ihn hier nicht kopiert. Der Code spukt mir dann am Ende einige tausende Punkte(je nach Genauigkeit und Fehlertoleranz kann man die Anzahl der Punkte ...

wie gesagt, keine Funktion. Nur gemessene Punkte gegen Temperatur.
Die Kurve sieht sehr gut aus, weiß nur nicht, wie ich daraus den Wendepunkt raus kriegen kann.
LG
Micha

Hallo liebe Python-Fans!

Ich habe eine Datenmenge(gemessene Punkte), die eine Magnetisierung darstellt. Diese habe ich gegen Temperatur aufgetragen und gefittet.
Nun möchte ich den Wendepunkt der Kurve finden. Ich habe aber keine Funktion, um sie abzuleiten.
Gibt es in Python einen Weg dafür?

LG ...

Danke für die schnelle Antwort.
Im youtube habe ich auch ein Video gefunden, das deinen Vorschlag erklärt.
Es funktioniert!

Hallo liebe Python-Profies!

Bin blutiger Python-Anfänger ;-)
Ich bin dabei eine Simulation durchzuführen. Die drei Graphen( y1 , y2 , y3) sollen sich. laut Theorie, bei x= 2,26 treffen. (Was sie Anschau nach ungefähr tun).Ich wusste nicht, wie man den Graphen dazu hochladen kann, deshalb hier ...

Mein Kumpel und ich arbeiten an unseren Abschlussarbeiten.
Was Physik und Mathe. angeht, kennen wir uns mit dem Thema aus.
Was Python angeht, sind wir blutige Anfänger.
Diesen Code haben wir gerade mal mit ach und krach gebastelt.

Für jeden Tipp für die Verbesserung sind wir euch dankbar.
Wir ...

Hallo und danke für die schnelle Antwort.
hier ist noch mal der Code

def initialstate(N):
state = 2*np.random.randint(2, size=(N,N))-1
return state

def mcmove(config, beta):
for i in range(N):
for j in range(N):
a = np.random.randint(0,N)
b = np.random.randint(0,N)
s = config[a,b]
nb ...

Hallo liebe Freunde!
Weiß jemand vielleicht, wie man < M**4 > / < M**2 > **2 in Python konstruieren kann?
M steht für die Magnetisierung. Sie wird in einer Schleife wird durch 1000 Durchläufe ermittelt. Nun muss ich den Mittelwert bilden, weiß aber nicht, wie es geht.


def initialzustand(N ...

Hallo liebe Python Profis!

Könnte mir jemand erklären, warum:

>>> import numpy as np
>>> x=np.arange(.5 , 1.5 , .1)
>>> print (x)
[ 0.5 0.6 0.7 0.8 0.9 1. 1.1 1.2 1.3 1.4]
>>> print(len(x))
10
>>>
>>> y=np.arange(.4 , 1.5, .1)
>>> print(y)
[ 0.4 0.5 0.6 0.7 0.8 0.9 1. 1.1 1.2 1.3 1.4]
>>> print ...