本文提供了一种简单易行的方法来应用贝叶斯范式在计量学中的典型应用。建议选择的优先，抽样方法和分析的结果后，涵盖在这个知识库。
simplebayesuncertaint的Python项目详细描述
许可证
版权所有Gerd Wuebbeler，Manuel Marschall（PTB）2020
此软件在类似BSD的许可证下获得许可：
以源代码和二进制形式重新分发和使用，有无 如果满足以下条件，则允许修改：
- 源代码的再分配必须保留上述版权声明， 此条件列表和以下免责声明。在
- 版权再分配必须以上述二进制形式复制 注意，此条件列表和以下免责声明 随分发提供的文件和/或其他材料。在
免责声明
该软件由德国联邦物理技术学院开发 （PTB）。该软件是免费“按原样”提供的。PTB假设 对其他方的使用不承担任何责任 关于其质量、可靠性、安全性的明示或暗示的保证， 适用性或任何其他特性。在任何情况下，PTB不承担任何责任 任何与此相关的直接、间接或间接损害
在出版物中使用此软件需要引用以下内容 纸张：https://doi.org/10.1088/1681-7575/aba3b8 '''
这个存储库包含论文“线性模型中贝叶斯不确定性评估的简单方法”中提供的python代码。在
动机
本文提供了一种简单易行的方法来应用贝叶斯范式在计量学中的典型应用。 本知识库涵盖了对先验数据的建议选择、采样方法和对后验结果的分析。在
安装并运行代码
要运行脚本，需要安装带有默认包的$\geq$python3.6
- numpy公司
- 神经质的
- matplotlib库
Linux、Windows和Mac的安装指南可在此处找到：https://realpython.com/installing-python/
Windows快速指南：
- 在
下载Pythonhttps://www.python.org/downloads/release/python-382/（页面底部：“Windows x86-64可执行安装程序”）
在 - 在
使用安装程序安装Python并选中“addpythonx.x到路径”
在 - 在
运行终端，例如CMD
在 - 在
通过键入检查安装
python命令提示符应该出现，例如
^{pr2}$ 在 - 在
使用关闭Python提示符
在exit() - 在
安装依赖项
在python -m pip install numpy scipy matplotlib - 在
{1>使用已下载的文件导航到
在 - 在
运行示例程序
python generic_example.py或者
在python mass_example.py
实施细节
文件mass_example.py和{bayes_uncertainty_util.py包中提供了主要功能。
在这里，大多数例程都是从脚本文件中收集和调用的。
在目录mass/和{
触点
如有任何问题，请联系manuel.marschall@ptb.de或{
- 项目
标签：
欢迎加入QQ群-->： 979659372
