所有回答公共卫生问题的模型首先都需要与真实世界的数据进行匹配或 "校准"，以确保模型模拟的动态与观察到的数据一致。在本模块中，您将考虑模型与数据之间的基本关系。使用您迄今为止开发的基本 SIR 模型，您将根据流行病数据校准该模型。通过手动校准，您将了解如何调整模型参数以捕捉真实世界的数据。

在实践中，分区模型的模型校准很少由人工完成。相反，我们会构建一个函数来概括模型与数据之间的拟合优度，然后使用可用的计算机算法来最大限度地提高拟合优度。在接下来的两个模块中，您将学习基于计算机的模型校准的两种简单方法：最小二乘法和最大似然法。您将在这两种方法下用 R 进行模型校准。

请注意：本模块和上一模块的学习成果相同。在实践中，分区模型的模型校准很少由人工完成。相反，我们会构建一个函数来概括模型与数据之间的拟合优度，然后使用可用的计算机算法来最大限度地提高拟合优度。在这两个模块中，您将了解基于计算机的模型校准的两种简单方法：最小二乘法和最大似然法。您将在这两种方法下用 R 进行模型校准。