我得到了一個問題,我現在已經打了好幾天了。計算最小二乘擬合的置信度帶
如何計算擬合的(95%)置信度?
數據擬合曲線是每一個物理學家的每一天的工作 - 所以我認爲這應該是地方實現 - 但我無法找到一個實現這個我也不知道該怎麼做數學這。
我發現的唯一的東西是seaborn
,線性好,最少。
import numpy as np
from matplotlib import pyplot as plt
import seaborn as sns
import pandas as pd
x = np.linspace(0,10)
y = 3*np.random.randn(50) + x
data = {'x':x, 'y':y}
frame = pd.DataFrame(data, columns=['x', 'y'])
sns.lmplot('x', 'y', frame, ci=95)
plt.savefig("confidence_band.pdf")
但這僅僅是線性最小平方。當我想適合例如像這樣的飽和曲線,我擰了。
當然,我可以從像scipy.optimize.curve_fit
這樣的最小平方法的std-error中計算t分佈,但這不是我正在尋找的。
感謝您的任何幫助!
不幸的是,這是目前僅在statsmodels線性函數可用,並且將可在下一個版本廣義線性模型,但尚未用於一般非線性函數。 – user333700 2015-02-24 13:44:36