Python 二维函数拟合的误差估计

我有一个问题，我有一个微分方程的数值解算器，并且测量了该方程的许多参数，但我需要拟合3。如何在拟合参数的误差估计中包含测量参数的误差

我正在使用scipy.optimize.leastsq来估计拟合误差。我的代码基本上是这样的：

import scipy.optimize as opt
def solve(x,y,parameters,arguments):
    #Not important, but I do not know the functional relationship between F(x,y) and the parameters and the arguments
# data is just my data
def difference(params,arguments)
    solutions = solve(data,params,arguments)
    return solutions-data
# p0 is just an array of initial conditions
fit,cov,info,mesg,ier = opt.leastsq(difference,p0,full_output=True,args=measured_values)

---

然而，这只会给我拟合参数的误差，但我知道我的测量值也有不确定性。有没有办法估计由这些参数引起的拟合参数误差？

从那时起，我意识到我可以使用偏导数公式估计误差，并自己计算拟合的偏导数，数值计算。这个公式当然是：

# partial(F,x) is the partial derivative of F with respect to x
err_F = sqrt((partial(F,a)*err_a)**2+(partial(F,b)*err_b)**2+(partial(F,c)*err_c)**2)

---

由于我没有寻找函数中的错误，我必须定义三个函数（每个拟合参数对应一个函数），并由此计算它们的错误。希望这对可能有类似问题的人有所帮助。

您应该提供当前代码的简明示例，并提供更多详细信息，以便能够简洁地回答此问题。