假设我对某个独立变量
现在假设我期望测量值遵循线性关系
我对这种方法有两个问题。第一个是
有人知道如何拟合带有误差的数据,以便让我确定
x
进行多次测量,记录每次测量相对应的因变量 y
的值,并且记录每次测量的不确定性 dy
。例如,这可能是这样的:import numpy as np
x = np.array([1, 2, 3, 4])
y = np.array([4.1, 5.8, 8.1, 9.7])
dy = np.array([0.2, 0.3, 0.2, 0.4])
现在假设我期望测量值遵循线性关系
y = mx + b
,而我想要确定未测量的x值x_unm
对应的y值y_umn
。如果我不考虑误差,在Python中进行线性拟合非常容易:fit_params, residuals, rank, s_values, rcond = np.polyfit(x, y, 1, full=True)
poly_func = np.poly1d(fit_params)
x_unm # The unmeasured x value
y_unm = poly_func(x_unm) # The unmeasured x value
我对这种方法有两个问题。第一个是
np.polyfit
不考虑每个点的误差。第二个是我不知道y_unm
的不确定性是什么。有人知道如何拟合带有误差的数据,以便让我确定
y_unm
的不确定性吗?
y_unm
的不确定度或误差棒? - Edifice