Python 估计数据拟合后的标准差

Question

我正在尝试使用 ipython --pylab 将数据集拟合到超策略方程中:y = ax/(b + x)

这是我的Python代码:

from scipy import optimize as opti
import numpy as np
from pandas import DataFrame

x = np.array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.8])
y = np.array([0.375, 0.466, 0.509, 0.520, 0.525, 0.536, 0.541])
y_stdev = np.array([0.025, 0.016, 0.009, 0.009, 0.025, 0.019])

def func(x, a, b):
   return a*x / (b + x)

popt, pcov = opti.curve_fit(func, x, y)
print(popt)
print("a = ", popt.ix[0])
print("b = ", popt.ix[1])

a 和 b 的值应位于 popt 参数内。我想问的是，a和b的值是在将数据集拟合到func(x, a, b)时推断出来的，然后，我们如何估计 a 和 b 的标准差？谢谢。

Answer 1

答案就在 docs :

pcov : 2d array

The estimated covariance of popt. The diagonals provide the variance of the parameter estimate. To compute one standard deviation errors on the parameters use perr = np.sqrt(np.diag(pcov))...