课件(zhong)..pptVIP

1、最小二乘法拟合的统计学原理 一元线性：y=a0 +a1 x 实验点：（yi，xi） （i=1，2，3，…….，m） 实验点数 m＞未知数个数，矛盾方程组， 假设求得： a ；b 代入 y’i=a0 +a1 xi 得直线方程。 实测值yi与计算值 y’i之间偏差越小，拟合的越好，偏差平方和最小。 最小二乘法拟合 将实验数据代入，即可求得 a0，a1； 2、相关系数 R r = 0 ｜r｜=1 0 ｜r｜1 x与 y 毫无线性相关 x与 y 完全线性相关 x与 y 之间存在一定线性相关 ｜r｜愈接近1，x与 y 之间线性愈好 若 r r ,f，则 y 与 x存在良好的线性关系 r ,f —与自由度和置信度有关的相关临界值 r 是描述 x 与 y 线性关系密切程度的关系系数 3、回归线的精度 回归曲线的精度可以用标准偏差来估计： 若以 y 为中心，测量点落在 y±2S范围内 的概率为95.4%。 附：最小二乘线性拟合程序 INPUT M For I=1 to m INPUT X1;Y1 X1=X1+X(I): X2=X2+X(I)^2: Y1=Y1+Y(I) Y2=Y2+Y(I)^2 XY=XY+X(I)*Y(I) NEXT I XM=X1/M : YM=Y1/M LX=