我使用x和y中测量误差的数据的最小二乘回归,并使用减小的卡方(均方加权偏差:mswd)作为拟合的度量。然而,使用降低卡方的一些假设可能没有得到满足,我想使用PyMC转向mcmc /贝叶斯方法。我在网上搜索但似乎无法找到我正在寻找的东西,大多数例子假设数据不确定性是高斯,但在这里我测量了x和y的不确定性。
似乎我应该可以在PyMC2或PyMC3中使用glm执行此操作。
这是一个典型的数据集:
与之相关的数据:
# Data in Columns, Observations in Rows
# Measured values x versus y,
# Measured standard deviations sx and sy.
x sx y sy
0.3779397 0.001889699 0.5130084 2.748546e-05
0.3659092 0.001829546 0.5129624 2.721838e-05
0.3430834 0.001715417 0.5129023 2.720073e-05
0.4121606 0.002060803 0.5130235 2.755231e-05
0.3075815 0.001537908 0.5128739 2.776967e-05
0.3794471 0.001897236 0.5129950 2.842079e-05
0.1447394 0.000723697 0.5126784 2.816200e-05
我正在寻找人们做过这些的任何例子和参考。提前谢谢。