寻找绘制置信水平等高线的详细方法
Looking for a detailed method to plot contours of confidence level
我试图找到一种方法或教程来了解如何绘制不同置信度水平（68%、95%、99.7% 等...）的等高线。
下面是我想要生成的图上这些等高线的示例：
表示对宇宙学参数的约束（\omega_Lambda表示暗能量和\Omega_m总物质量）。
一旦我在 \Omega_Lambda 和 \Omega_mat 上有了数据集，我该如何生成这些等高线：我知道什么是置信度，但我只知道标准差。
如果我绘制两个参数与预期值的标准差，我会在上面得到一个十字符号（水平方向为 \Omega_m，垂直方向为 \Omega_Lambda）：但是从这个十字，如何绘制不同置信度的等高线？
在上图中，这些等高线看起来像一个二维参数曲线，其中我有带 t 参数的点 (Omega_Lambda(t), Omega_m(t)) 但我不认为他们是这样画的。
您可能需要查看 Matplotlib's contour plot：levels 参数似乎是您所需要的。
您示例中的图不是从原始数据中获得的，而是从原始数据的统计模型中获得的。因此，您可以首先使用 numpy.mean and numpy.cov, then generate the multivariate normal pdf values with scipy.stats.multivariate_normal. You can also find a code snippet doing confidence ellipses here 将多元正态分布拟合到您的数据中（这似乎正是您正在寻找的那种东西）。
我试图找到一种方法或教程来了解如何绘制不同置信度水平（68%、95%、99.7% 等...）的等高线。
下面是我想要生成的图上这些等高线的示例：
表示对宇宙学参数的约束（\omega_Lambda表示暗能量和\Omega_m总物质量）。
一旦我在 \Omega_Lambda 和 \Omega_mat 上有了数据集，我该如何生成这些等高线：我知道什么是置信度，但我只知道标准差。
如果我绘制两个参数与预期值的标准差，我会在上面得到一个十字符号（水平方向为 \Omega_m，垂直方向为 \Omega_Lambda）：但是从这个十字，如何绘制不同置信度的等高线？
在上图中，这些等高线看起来像一个二维参数曲线，其中我有带 t 参数的点 (Omega_Lambda(t), Omega_m(t)) 但我不认为他们是这样画的。
您可能需要查看 Matplotlib's contour plot：levels 参数似乎是您所需要的。
您示例中的图不是从原始数据中获得的，而是从原始数据的统计模型中获得的。因此，您可以首先使用 numpy.mean and numpy.cov, then generate the multivariate normal pdf values with scipy.stats.multivariate_normal. You can also find a code snippet doing confidence ellipses here 将多元正态分布拟合到您的数据中（这似乎正是您正在寻找的那种东西）。