Python估算数据拟合后的标准偏差

Question

我正在尝试使用ipython --pylab将数据集拟合到hyperpolic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 的值应该在popt参数中。我想问的是，在将数据集拟合到func（x，a，b）中时，推断出 a 和 b 的值，然后，我们如何估计a和b的标准差？ 谢谢。

Answer 1

它位于docs：

  

pcov ：2d数组

     

popt估计的协方差。对角线提供参数估计的方差。要计算参数的一个标准偏差，请使用perr = np.sqrt(np.diag(pcov)) ...