线性参数的最小二乘估计 - wordpresscom.pdfVIP

线性参数的最小二乘估计 在数据处理中，经常需要根据两个量的一批测量值（ｘ ， ｙ）i＝＝1， 2， …， ｎ来找 i i 出这两个量Ｙ与Ｘ之间所满足的一个函数关系式Ｙ＝ｆ（Ｘ）。在这类问题中，又可分两种情况： ａ．变量间的函数形式可根据理论分析或以往的经验被确定，但其中的一些参数有待实验来确定； ｂ．变量间的具体函数形式没有确定，有待实验确定并估计出其中的参数，这类问题，往往用一个多 项式来进行拟合。下面仅就常用的等精度测量条件下，如何用最小二乘法进行方程的拟合和参数的估 计，作一些简单的介绍。 （1） 最小二乘原理 设 Ｙ 和 Ｘ 两 个 物 理 量 有 函 数 关 系 （A-22） 其 中 等 参 数 有 待 确 定 。 现 在 欲 从 一 批 测 量 到 的 数 据 （ｘ，ｙ）（i＝1，2，…，ｎ），按一定法则作出对这些参数 的估计。 i i ˆ ˆ ˆ a ,a ,,a 为给出 的估值 1 2 k ，可以使用最小二乘法。它的法则是：所选取的参数估 ˆ ˆ ˆ ˆ ˆ ˆ ˆ a ,a ,,a y a ,a ,,a 1 2 k i 1 2 k 值 应使变量Ｙ的诸测量值ｙ 与其真值的估值（拟合值） 即ｆ（ｘi； ） i 之差的平方和为最小。最小二乘原理的数学表示形式为 n ˆ ˆ ˆ 2 [y f (x ;a ,a ,,a )] i i 1 2 k i 1 (A-23) 为最小。 （2） 直线方程的参数估计 设Ｙ和Ｘ两变量有函数关系 Ｙ＝ａ＋ｂX (A-24) 其中ａ、ｂ是两个待定的参数。 现在由Ｘ和Ｙ的ｎ组测量值（ｘ， ｙ）（i＝1，2，…，ｎ）进行对ａ、 ｂ参数的估计。