python线性拟合误差分析_用python实现线性拟合中的误差传播

这是一个可以通过分析来解决的问题，但作为一个数学/统计学的讨论也许更合适。例如，请参见(在许多来源中)：

拟合误差可以用解析法计算。重要的是要注意的是，在计算测量误差时，拟合本身是不同的。在

在python中，我不确定是否有一个内置函数来处理错误，但下面是一个使用scipy.optimize.fmin在#Calculate Chi^2 function to minimize

def chi_2(params,x,y,sigy):

m,c=params

return sum(((y-m*x-c)/sigy)**2)

data_in=(x,y,dy)

params0=[1,0]

q=fmin(chi_2,params0,args=data_in)

为了比较，我用了这个，你的polyfit解，和解析解，并为你给出的数据绘制了图。在

给定技术参数的结果：

加权卡方与fmin：

m=1.94609996

b=2.1312239

分析型：

m=1.94609929078014

b=2.1312056737588647

Polyfit公司：

m=1.91

b=2.15

以下是完整代码：

^{pr2}$