如何拟合scipy curve_fit中的测量误差？

Question

我有一个（x，y，dy）的数据集，其中dy是y的测量误差（即y +/- dy）。我想通过使用dy作为权重来将函数func与scipy curve_fit配合。我是否使用curve_fit（func，x，y，sigma = dy）？我也使用sigma = 1 / dy ** 2找到了一些答案。那么，我应该使用哪一个呢？谢谢！

Answer 1

来自docs：

  

sigma：无或M长度序列，可选

     

如果不是None，则为ydata数组中的不确定性。这些在最小二乘问题中用作权重，即最小化np.sum（（（（f（xdata，* popt）-ydata）/ sigma）** 2）如果没有，则不确定性假定为1。

损失函数中的sigma已经平方（curve_fit本质上是一个最小二乘算法）。

严格来说，尺寸分析表明您应该使用绝对sigma（而不是平方）。实际上，如果需要，可以使用sigma_square，它将倾向于更多地忽略离群值。