引导方法是一种行之有效的方法,实际上可以提供更好的结果。当给出有错误的数据点时,使用一个参数引导程序,让每个x
和y
值描述一个高斯分布。然后,将从每个分布中得出一个点,并获得一个新的自举示例。执行简单的未加权拟合将为参数提供一个值。
重复此过程约300至数千次。最终将得到拟合参数的分布,在其中可以取均值和标准差来获取值和误差。
另一件事是,结果不会获得一条拟合曲线,而是很多。对于每个内插值,x
可以再次取许多值的均值和标准差f(x, param)
并获得误差带:
然后,使用各种拟合参数再次执行数百次分析中的其他步骤。从上图中可以清楚地看到,这还将考虑拟合参数的相关性:尽管将对称函数拟合到数据,但误差带是非对称的。这将意味着左侧的插值值比右侧的插值值具有更大的不确定性。