Это старая версия (1.513) МетодНаименьшихКвадратов.

Содержание

Метод наименьших квадратов

Допустим, у нас имеются два набора (выборки) данных: bold x = (x sub 1 , x sub 3 , ldots , x sub i , ldots , x sub n )

— независимая (объясняющая, экзогенная) переменная

и bold y = (y sub 1 , y sub 3 , ldots , y sub i , ldots , y sub n )

— зависимая (объясняемая, эндогенная) переменная.

Каждая из пар (x sub i , y sub i ) описывает результаты одного наблюдения. Все пары описывают результаты эксперимента (например, лабораторного физического опыта, съёмки данных с промышленных контроллеров) или статистического наблюдения (экономическая статистика или данные социологических опросов). Каждая из пар (x sub i , y sub i ) может быть изображена на координатной плоскости ка точка, поэтому для краткости будем называть эту парой «точкой», а множество всех точек будем называть «диаграмма рассеяния».

Мы предполагаем, что эти две переменные связаны[1] линейно, т. е. зависимость между переменными описывается линейной функцией: y = b sub 0 + b sub 1 x.

Наша задача — подобрать такие b sub 0 и b sub 1, чтобы линейная функция наилучшим образом описывала наши наборы данных bold x и bold y.

Чрезвычайно редко возникает ситуация, при которой все значения


[1] Речь идет не о причинно-следственной (вернее, не обязательно о ней), а о статистической связи.

КатегорияПрикладнаяМатематика