最小二乘法的拟合.docVIP

一、最小二乘法与最小一乘法 1.什么时候用最小二乘法 在研究两个变量之间的关系时，可以用回归分析的方法进行分析。当确定了描述两个变量之间的回归模型后，就可以使用最小二乘法估计模型中的参数，进而建立经验方程. 例如，在现实世界中，这样的情形大量存在着：两个变量X和Y（比如身高和体重）彼此有一些依赖关系，由X可以部分地决定Y的值，但这种关系又是不确定的.人们常常借助统计学中的回归模型来寻找两个变量之间的关系，而模型的建立当然是依据观测数据.首先通过试验或调查获得x和Y的一组对应关系(x1，Y1)，(x2，Y2)，…，(xn，Yn)，然后回答下列5个问题： 1. 这两个变量是否有关系？(画出散点图，作直观判断) 2. 这些关系是否可以近似用函数模型来描述？（利用散点图、已积累的函数曲线形状的知识和试验数据，选择适当的回归模型，如一元线性模型y=b0＋b1x，二次函数模型y=b0＋b1x＋b2x2等） 3. 建立回归模型. 4. 对模型中的参数进行估计，最小二乘法是这些参数的一种常用估计方法. 5. 讨论模型的拟合效果. 在上述第3步中，设所建立的回归模型的一般形式是，其中Y称为响应变量，x称为解释变量或协变量；是一个由参数决定的回归函数；是一个不可观测的随机误差.为了通过试验数据来估计参数的值，可以采用许多统计方法，而最小二乘法是目前最常用、最基本的.由的估计值决定的方程称为经验回归方程