作为另一个问题的后续。解线性方程给定的变量和不确定性： scipy -optimize？解线性方程给定变量和不确定因素：scipy-optimize？
在我看来，我有一个非常类似的问题。我对py比较陌生，主要是用它来用pandas整理和减少数据。
我有一组线性方程，我想找到最佳拟合参数。然而，数据集有已知的不确定性，需要考虑括号中给出的不确定性。
x1*99(1)+x2*45(1)=52(0.2)
x1*1(0.5)+x2*16(1)=15(0.1)
此外，还有以下约束条件。
x1>=0
x2>=0
x1+x2=1
我的方法是将方程视为约束条件，并求解残差之和，如上面（简化）的例子所示。
在没有不确定因素的情况下求解不是问题。我问是想得到一个提示，如何在寻找最佳拟合参数的同时考虑不确定因素。
一个快速而肮脏的方法是为系数生成合成数据集（一个具有不确定性的数字对应于一个给定均值和方差的正态分布）。对于每个实现，你只需解决2乘2系统，并收集x1和x2的分布。