python不确定性和相关性

Question

有了“不确定性”包，python在通过计算传播不确定性方面非常强大。是否有可能也包括相关性？比方说，我用scipy.optimize.curve_fit拟合一些数据，它返回最佳拟合参数及其相关矩阵，通常称为popt和pcov。现在我想计算一个函数f(popt)

在没有相关性的情况下，可以按如下方式进行（2D）

f(p0, p1):
    return p0 * unumpy.exp(p1)

p0 = ufloat(popt[0], pcov[0,0]**0.5)
p1 = ufloat(popt[1], pcov[1,1]**0.5)
result = f(p0, p1)

使用whataver函数f。这忽略了p0和p1的相关性。在“不确定性”的文档中提到了相关性，但我真的不明白是否以及如何将其应用于我的问题

编辑：这似乎有效，但老实说，我真的不明白它的作用，以及这是否真的是正确的解决方案

import numpy as np
import uncertainties
from uncertainties import ufloat, unumpy

def f(p0, p1):
    return p0 * unumpy.exp(p1)

popt = np.array([1, 2])
pcov = np.array([[1, 2], [3, 4]])

p0, p1 = uncertainties.correlated_values(popt, pcov)
print(f(p0, p1))  # 7+/-25

p0 = ufloat(popt[0], pcov[0,0]**0.5)
p1 = ufloat(popt[1], pcov[1,1]**0.5)
print(f(p0, p1))  # 7+/-17

Answer 1

从User Guide示例中：

(u2, v2, sum2) = uncertainties.correlated_values([1, 10, 21], cov_matrix)

在你的情况下，我想你可以写：

p0, p1 = uncertainties.correlated_values(popt, pcov)