普通最小乘法原理

133次

问题描述:

普通最小乘法原理,在线求解答

最佳答案

推荐答案

普通最小二乘法是一种数学优化技术。

它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。∑(X--X平)(Y--Y平)=∑(XY--X平Y--XY平+X平Y平)=∑XY--X平∑Y--Y平∑X+nX平Y平=∑XY--nX平Y平--nX平Y平+nX平Y平=∑XY--nX平Y平∑(X --X平)^2=∑(X^2--2XX平+X平^2)=∑X^2--2nX平^2+nX平^2=∑X^2--nX平^2高斯使用的最小二乘法的方法发表于1809年他的著作《天体运动论》中。法国科学家勒让德于1806年独立发明“最小二乘法”,但因不为世人所知而默默无闻。勒让德曾与高斯为谁最早创立最小二乘法原理发生争执。1829年,高斯提供了最小二乘法的优化效果强于其他方法的证明,因此被称为高斯-马尔可夫定理。

其他答案

普通最小二乘法是应用最多的参数估计方法,也是从最小二乘原理出发的其他估计方法的基础。

在已经获得样本观测值 (i=1;

2,…,n)的情况下,假如模型的参数估计量已经求得到,并且是最合理的参数估计量,那么直线方程。

i=1;

2,…,n (2.2.2)

应该能够最好地拟合样本数据。其中 为被解释变量的估计值,它是由参数估计量和解释变量的观测值计算得到的。那么,被解释变量的估计值与观测值应该在总体上最为接近,判断的标准是二者之差的平方和最小。

为你推荐