Python 估计两个未配对数据集之间的相似性

我试图比较数据（黑色）和模型（颜色）。[图一]

还有另一个例子[图2]。图1和图2的数据集和模型不同。

---

在这两种情况下，似乎模型和数据之间存在重叠，然而，图2的重叠/匹配更好。我想量化两种情况下数据和模型的相关性，以便区分两种数据的“拟合优度”。我想知道应该使用哪种（统计）方法来定量估计相关性。

您可以先使用

numpy.mean计算每个数据集的重心，然后比较它们之间的接近程度。
下一步是检查每个中心是否位于另一个数据集的不确定性椭圆（）内

最后，我建议使用假设测试，如学生测试或f测试。对于此类测试，
scipy
中有一些方法，只需查看文档
就可以开始使用
numpy.mean计算每个数据集的重心，并比较它们之间的接近程度。
下一步是检查每个中心是否位于另一个数据集的不确定性椭圆（）内

最后，我建议使用假设测试，如学生测试或f测试。对于这类测试，
scipy
中有一些方法，请查看文档
您的语言是什么？R还是Python？@Pascal我在用Python。那么为什么要用“R”标记呢？删除。不过，这些情节是什么意思。对于每个黑点，都有一个特定的对应色点？@AmiTavory否，数据和模型之间没有一对一的关系。对于每个图形，数据表示不同条件下的x和y值。我试图对各种可能性进行建模，并用彩色点表示我的结果。现在我想看看模型点[color]是否足以表示数据[black]。您的语言是什么？R还是Python？@Pascal我在用Python。那么为什么要用“R”标记呢？删除。不过，这些情节是什么意思。对于每个黑点，都有一个特定的对应色点？@AmiTavory否，数据和模型之间没有一对一的关系。对于每个图形，数据表示不同条件下的x和y值。我试图对各种可能性进行建模，并用彩色点表示我的结果。现在我想看看模型点[颜色]是否足以表示数据[黑色]。