最小二乘法求回归直线方程的详细推导过程

最小二乘法求回归直线方程的详细推导过程转载自 http blog csdn net marsjohn article details 在数据的统计分析中 数据之间即变量 x 与 Y 之间的相关性研究非常重要 通过在直角坐标系中做散点图的方式我们会发现很多统计数据近似一条直线 它们之间或者正相关或者负相关 虽然这些数据是离散的 不是连续的 我们无法得到一个确定的描述这种相关性的函数方程 但既然在直角坐标系中数据分布接近一条直线

其中1式叫做 Y对x的回归直线方程,b叫做 回归系数。要想确定回归直线方程,我们只需确定a与回归系数b即可。

作为总离差 ,并使之达到最小。这样回归直线就是所有直线中Q取最小值的那一条。由于平方又叫二乘方,所以这种使“离差平方和为最小”的方法,叫做 最小二乘法。

a、b的上方加“︿”表示是由观察值按最小二乘法求得的估计值,a、b求出后,回归直线方程也就建立起来了。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/211850.html原文链接:https://javaforall.net

(0)
上一篇 2026年3月18日 下午9:27
下一篇 2026年3月18日 下午9:27


相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号