具有测量不确定性的PyMC鲁棒线性回归

Question

我使用x和y中测量误差的数据的最小二乘回归，并使用减小的卡方（均方加权偏差：mswd）作为拟合的度量。然而，使用降低卡方的一些假设可能没有得到满足，我想使用PyMC转向mcmc /贝叶斯方法。我在网上搜索但似乎无法找到我正在寻找的东西，大多数例子假设数据不确定性是高斯，但在这里我测量了x和y的不确定性。

似乎我应该可以在PyMC2或PyMC3中使用glm执行此操作。

这是一个典型的数据集：

与之相关的数据：

# Data in Columns, Observations in Rows
# Measured values x versus y, 
# Measured standard deviations sx and sy.

       x          sx         y           sy
0.3779397 0.001889699 0.5130084 2.748546e-05
0.3659092 0.001829546 0.5129624 2.721838e-05
0.3430834 0.001715417 0.5129023 2.720073e-05
0.4121606 0.002060803 0.5130235 2.755231e-05
0.3075815 0.001537908 0.5128739 2.776967e-05
0.3794471 0.001897236 0.5129950 2.842079e-05
0.1447394 0.000723697 0.5126784 2.816200e-05

我正在寻找人们做过这些的任何例子和参考。提前谢谢。