我使用 x 和 y 中测量误差的数据的最小二乘回归，并使用减少的卡方（均方加权偏差：mswd）作为拟合的度量。然而，使用减少卡方的一些假设可能没有得到满足，我想转向使用 PyMC 的 mcmc/贝叶斯方法。我在网上搜索过，但似乎找不到我要找的东西，大多数例子都假设数据不确定性是高斯的，但在这里我测量了 x 和 y 的不确定性。
看来我应该能够在 PyMC2 或 PyMC3 中使用 glm 做到这一点。
这是绘制的典型数据集：
以及与之相关的数据：
# 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
我正在寻找人们这样做的任何示例和参考资料。提前致谢。