求一组已知不确定性方程的最佳拟合参数

Question

作为对另一个问题的后续行动： solve linear equations given variables and uncertainties: scipy-optimize?solve linear equations given variables and uncertainties: scipy-optimize?

在我看来，我有一个非常类似的问题。我对py比较陌生，主要是用它来对pandas的数据进行排序和减少

我有一组线性方程，我想找到最合适的参数。然而，数据集具有已知的不确定性，需要在括号中给出

x1*99(1)+x2*45(1)=52(0.2)
x1*1(0.5)+x2*16(1)=15(0.1)

此外，还有以下限制：

x1>=0
x2>=0
x1+x2=1

我的方法是将方程视为约束条件，并按照上面（简化的）示例中所示的方法求解剩余量之和

在没有不确定性的情况下解决这个问题不是问题。我想得到一个关于如何在寻找最佳拟合参数时考虑不确定性的提示

Answer 1

一种快速而肮脏的方法是为系数生成合成数据集（具有不确定性的数字对应于具有给定均值和方差的正态分布）。对于每个实现，您只需求解2乘2系统并收集x1和x2的分布