如何理解基于 F 检验的 lmfit 置信区间
How to understand F-test based lmfit confidence intervals
优秀的 lmfit 包可以让一到 运行 非线性回归。它可以报告两个不同的配置区间——一个基于协方差矩阵，另一个使用基于 F 检验的更复杂的技术。可以在文档中找到详细信息。我想深入了解他在这项技术背后的推理。我应该阅读哪些主题？注意：我有足够的统计知识
F stats 和其他用于获取置信区间的相关方法远远优于非线性模型（和其他模型）的 te 协方差矩阵的简单估计。
主要原因是在使用这些方法时缺乏对误差的高斯性质的假设。对于非线性系统，置信区间可以（不一定）是不对称的。这意味着参数值可以不同地影响误差表面，因此一、二或三西格玛限制在最佳拟合的任一方向上具有不同的量级。
分析超速离心社区拥有涉及错误分析的优秀文章（Tom Laue、John J. Correia、Jim Cole、Peter Schuck 是文章搜索的好名字）。如果您想全面了解正确的错误分析，请查看 Michael Johnson 的这篇文章：
http://www.researchgate.net/profile/Michael_Johnson53/publication/5881059_Nonlinear_least-squares_fitting_methods/links/0deec534d0d97a13a8000000.pdf
干杯！
优秀的 lmfit 包可以让一到 运行 非线性回归。它可以报告两个不同的配置区间——一个基于协方差矩阵，另一个使用基于 F 检验的更复杂的技术。可以在文档中找到详细信息。我想深入了解他在这项技术背后的推理。我应该阅读哪些主题？注意：我有足够的统计知识
F stats 和其他用于获取置信区间的相关方法远远优于非线性模型（和其他模型）的 te 协方差矩阵的简单估计。
主要原因是在使用这些方法时缺乏对误差的高斯性质的假设。对于非线性系统，置信区间可以（不一定）是不对称的。这意味着参数值可以不同地影响误差表面，因此一、二或三西格玛限制在最佳拟合的任一方向上具有不同的量级。
分析超速离心社区拥有涉及错误分析的优秀文章（Tom Laue、John J. Correia、Jim Cole、Peter Schuck 是文章搜索的好名字）。如果您想全面了解正确的错误分析，请查看 Michael Johnson 的这篇文章： http://www.researchgate.net/profile/Michael_Johnson53/publication/5881059_Nonlinear_least-squares_fitting_methods/links/0deec534d0d97a13a8000000.pdf
干杯！