Ho una domanda con cui mi batto per giorni con ora.Calcolo della banda di confidenza di adattamento minimo quadrato
Come si calcola la banda di confidenza (95%) di un adattamento?
adattamento delle curve ai dati è il lavoro di tutti i giorni di ogni fisico - quindi penso che questo dovrebbe essere attuata da qualche parte - ma non riesco a trovare un'implementazione per questo nemmeno io so come farlo matematicamente .
L'unica cosa che ho trovato è seaborn
che fa un buon lavoro per lineare minimum-square.
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")
Ma questo è solo lineare dei minimi quadrati. Quando voglio adattarmi, ad es. una curva di saturazione come , sono fregato.
Certo, posso calcolare la t-distribuzione dall'errore std di un metodo di minimo numero come scipy.optimize.curve_fit
ma non è quello che sto cercando.
Grazie per qualsiasi aiuto !!
Purtroppo, questo è attualmente disponibile solo in statsmodels per le funzioni lineari, e sarà disponibile per i modelli lineari generalizzati nella prossima release, ma non ancora per le funzioni non lineari generali. – user333700