scipy.optimize.curvefit: asymetryczny błąd dopasowania
Staram się dopasować funkcję do moich danych za pomocąscipy.optimize.curvefit
.
Q=optimization.curve_fit(func,X,Y, x0,ERR)
i działa dobrze.
Jednak teraz próbuję użyć błędu asymetrycznego i nie mam pojęcia, jak to zrobić - a nawet jeśli jest to możliwe.
Przez asymetryczny błąd rozumiem, że błąd nie jest na przykład:3+-0.5
ale3 +0.6 -0.2
. Tak więc ERR jest tablicą z dwiema kolumnami.
Byłoby wspaniale, gdyby ktoś miał pomysł, jak to zrobić - lub mógłbym wskazać inną procedurę Pythona, która mogłaby to zrobić.
To fragment kodu, którego używam - ale nie jestem pewien, czy czyni to jaśniejszym:
A=numpy.genfromtxt('WF.dat')
cc=A[:,4]
def func(A,a1,b1,c1):
N=numpy.zeros(len(x))
for i in range(len(x)):
N[i]=1.0*erf(a1*(A[i,1]-c1*A[i,0]**b1))
return N
x0 = numpy.array([2.5 , -0.07 ,-5.0])
Q=optimization.curve_fit(func,A,cc, x0, Error)
I błąd = [ErP, ErM] (2 kolumny)