История изменений

Можно сказать с какой вероятностью модельная зависимость может быть получена из экспериментальной

Скорее это. Модель одна заданная, описывается k параметрами, применяется что бы вытащить эти параметры из ряда длинной n; n≫k. Использую scipy.optimize.curve_fit для этого (в режиме leastsq) достаточно точно задавая начальное приближение. Он, в принципе, возвращает неопределённость для каждого параметра модели, но там во первых встречаются случаи, когда посчитать её не получается, хотя глазами видно, что модель хорошо легла на данные; а во вторых, собственно, одна цифра нужна скорее что бы можно было отсечь «наименее достоверные» (т.е. там где сигнал утопает в шумах) данные и рассматривать только те, где есть уверенность что это не стат-флуктуация исходных данных. Данные представляют собой что-то такое.

при условии что мы делаем разумное предположение какая неопределённость имеется в экспериментальных данных.

Для экспериментальных данных неопределённость известна, там в основном дискретный гауссов шум АЦП + мизерное смещение ноля.

Можно сказать с какой вероятностью модельная зависимость может быть получена из экспериментальной

Скорее это. Модель одна заданная, описывается k параметрами, применяется что бы вытащить эти параметры из ряда длинной n; n>>k. Использую scipy.optimize.curve_fit для этого (в режиме leastsq) достаточно точно задавая начальное приближение. Он, в принципе, возвращает неопределённость для каждого параметра модели, но там во первых встречаются случаи, когда посчитать её не получается, хотя глазами видно, что модель хорошо легла на данные; а во вторых, собственно, одна цифра нужна скорее что бы можно было отсечь «наименее достоверные» (т.е. там где сигнал утопает в шумах) данные и рассматривать только те, где есть уверенность что это не стат-флуктуация исходных данных. Данные представляют собой что-то такое.

при условии что мы делаем разумное предположение какая неопределённость имеется в экспериментальных данных.

Для экспериментальных данных неопределённость известна, там в основном дискретный гауссов шум АЦП + мизерное смещение ноля.

Можно сказать с какой вероятностью модельная зависимость может быть получена из экспериментальной

Скорее это. Модель одна заданная, описывается небольшим k параметрами, применяется что бы вытащить эти параметры из ряда длинной n; n>>k. Использую scipy.optimize.curve_fit для этого (в режиме leastsq) достаточно точно задавая начальное приближение. Он, в принципе, возвращает неопределённость для каждого параметра модели, но там во первых встречаются случаи, когда посчитать её не получается, хотя глазами видно, что модель хорошо легла на данные; а во вторых, собственно, одна цифра нужна скорее что бы можно было отсечь «наименее достоверные» (т.е. там где сигнал утопает в шумах) данные и рассматривать только те, где есть уверенность что это не стат-флуктуация исходных данных. Данные представляют собой что-то такое.

при условии что мы делаем разумное предположение какая неопределённость имеется в экспериментальных данных.

Для экспериментальных данных неопределённость известна, там в основном дискретный гауссов шум АЦП + мизерное смещение ноля.

Можно сказать с какой вероятностью модельная зависимость может быть получена из экспериментальной

Скорее это. Модель одна заданная, описывается небольшим k параметрами, применяется что бы вытащить эти параметры из ряда длинной n; n>>k. Использую scipy.optimize.curve_fit для этого (в режиме leastsq) достаточно точно задавая начальное приближение. Он, в принципе, возвращает неопределённость для каждого параметра модели, но там во первых встречаются случаи, когда посчитать её не получается, хотя глазами видно, что модель хорошо легла на данные; а во вторых, собственно, одна цифра нужна скорее что бы можно было отсечь «наименее достоверные» (т.е. там где сигнал утопает в шумах) данные и рассматривать только те, где есть уверенность что это не стат-флуктуация исходных данных. Данные представляют собой что-тотакое.

при условии что мы делаем разумное предположение какая неопределённость имеется в экспериментальных данных.

Для экспериментальных данных неопределённость известна, там в основном дискретный гауссов шум АЦП + мизерное смещение ноля.

Можно сказать с какой вероятностью модельная зависимость может быть получена из экспериментальной

Скорее это. Модель одна заданная, описывается небольшим k параметрами, применяется что бы вытащить эти параметры из ряда длинной n; n>>k. Использую scipy.optimize.curve_fit для этого (в режиме leastsq) достаточно точно задавая начальное приближение. Пн выдаёт в принципе неопределённость для каждого параметра модели, но там во первых встречаются случаи, когда посчитать её не получается, хотя глазами видно, что модель хорошо легла на данные, а во вторых, собственно, одна цифра нужно скорее что бы можно было отсечь «наименее достоверные» (т.е. там где сигнал утопает в шумах) данные и рассматривать только те, где есть уверенность что это не стат-флуктуация. Данные представляют собой что-тотакое.

при условии что мы делаем разумное предположение какая неопределённость имеется в экспериментальных данных.

Для экспериментальных данных неопределённость известна, там в основном дискретный гауссов шум АЦП + мизерное смещение ноля.

Можно сказать с какой вероятностью модельная зависимость может быть получена из экспериментальной

Скорее это. Модель одна заданная, описывается небольшим числом k-параметров, применяется что бы вытащить эти параметры из ряда длинной n; n>>k. Использую scipy.optimize.curve_fit для этого (в режиме leastsq) достаточно точно задавая начальное приближение. Пн выдаёт в принципе неопределённость для каждого параметра модели, но там во первых встречаются случаи, когда посчитать её не получается, хотя глазами видно, что модель хорошо легла на данные, а во вторых, собственно, одна цифра нужно скорее что бы можно было отсечь «наименее достоверные» (т.е. там где сигнал утопает в шумах) данные и рассматривать только те, где есть уверенность что это не стат-флуктуация. Данные представляют собой что-тотакое.

при условии что мы делаем разумное предположение какая неопределённость имеется в экспериментальных данных.

Для экспериментальных данных неопределённость известна, там в основном дискретный гауссов шум АЦП + мизерное смещение ноля.