莱莱句子网用最小二乘法求方程？
最小二乘法求线性回归方程公式：a=y(平均)-b*x（平均）。最小二乘法公式是一个数学的公式，在数学上称为曲线拟合，此处所讲最小二乘法，专指线性回归方程。
研究两个变量(x，y)之间的相互关系时，通常可以得到一系列成对的数据(x1，y1)，(x2，y2)..(xm，ym)；将这些数据描绘在x-y直角坐标系中，若发现这些点在一条直线附近，可以令这条直线方程如Y计=a0+a1X。
求大神解救，最小二乘法谁会算啊，或者有matlab的，算出 a b值就行了，十分感谢
- 热心网友 02:43
基于最小二乘法的电力系统状态估计
- 这是我的毕业设计题目，求一篇范文啊？十万火急啊！！谢谢啦
- 业设计题目，求一篇范文啊？十万火急啊
最小二乘法的相关系数能是负一吗
- 最小二乘法的相关系数是可以为负一的~负的时候就是负相关了~相关系数可以为正数、零和负数的~系数的正负表示自变量和因变量的变化方向关系，正的表示同向变化，负的表示反向变化。而零则是一种中间状态,即不相关的状态。~
请教粒子群优化算法和最小二乘法的优缺点
- 可能知识有限，实在没有看出什么相同点。对于粒子群而言，每个粒子以及系统都存在一定的规律，具体一点说就是薛定虎筏港禾蕃鼓歌态攻卡谔方程的范畴下。而对于蚁群来说，我想，应该涉及到生物学的范畴吧，涉及到蚁群的生活方式，交流方式，或许还要涉及到博弈论、统筹学方面的知识，这方面完全不懂了。
最小二乘法求线性回归方程中的系数a，b怎么求
- 最小二乘法：总离差不能用n个离差之和来表示，通常是用离差的平方和，即作为总离差，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，这种使“离差平方和最小”的方法，叫做最小二乘法：由于绝对值使得计算不变，在实际应用中人们更喜欢用：Q=（y1-bx1-a）+（y2-bx-a）+。。。+（yn-bxn-a）这样，问题就归结于：当a，b取什么值时粻福纲凰蕺好告瞳梗困Q最小，即到点直线y=bx+a的“整体距离”最小。用最小二乘法求回归直线方程中的a,b有下面的公式
什么是广义最小二乘法
- 你可以先得到广义变换的系数，然后用变化后的数据进行回归就可以了。 Eviews是EconometricsViews的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行肌场冠渡攉盗圭醛氦互“观察”。另外Eviews也是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。
最小二乘法和梯度下降法有哪些区别
- 1、最小二乘法的典型应用是求解一套x和y的成对数据对应的曲线（或者直线）方程。其思想是：设y和x之间的关系可以用一个公式在表示，但其系数为待定系数。然后，将各个点的实测数据与计算求得的数据相减，得到“误差”或者不符值（有正有负，但其平方都是正的），将这些不符值的平方相加，得到总的“误差”。通过调整公式中的各个系数，使得误差平方和最小，那么就确定了y和x之间的方程的最好结果。求解最小二乘问题的过程中没有提及概率问题。2、而极大似然估计值，是用于概率领域的一种方法，和最小二乘法是两个领域的。这种方法是应用求极大值的方法，让某一个公式求导值为0，再根据情况判断该极值是否是合乎要求。极大似然估计法可以用于正态分布中μ,σ2的极大似然估计。也可以用于在类似下面问题中：设箱子中有球，甲箱中有100个红球，2个黑怠掸糙赶孬非茬石长将球；乙箱中有1个红球，200个黑球．现随机取出一箱，再从中随机取出一球，结果是红球，人们自然地相信这个红球从乙箱取出的。极大似然估计法就是要选取类似的数值作为参数的估计值，使所选取的样本在被选的总体中出现的可能性为最大。
matlab最小二乘法曲线拟合 非线性拟合
- x =[125.1200 126.6500 128.6300 129.5100 132.8900 136.7400 137.0100 144.0100 150.0300 155.0600] y=[26.5000 37.9300 50.9300 53.4000 64.2000 74.6500 77.4000 87.5400 95.5000 101.8600]函数原型为：如何拟合出p,b的值。
- 额，b在哪？
matlab中应用最小二乘法编写程序 急！！！
- J预测J实际输入不同的值，令M=0，求解t，请各位高手指教！！！
- 写在前面：喵。。也就我这么好心。。。只有15分还帮你写程序。。。。如果你将来做技术，你就会经常要搭建数学模型，那么就会大量运用各种的最小二乘法来拟合模型参数，所以要好好学哦，亲~希望通过这个例子，能够让你对最小二乘法入门。。。开始：最小二乘法，通常用在，我们已知数学模型，但是不知道模型参数的情况下，通过实测数据，计算数学模型，例如，在题目中，数学模型就是直线方程y=ax+b，但是不知道直线方程的a和b。本来呢，我们只需要两组（xi,yi），就可以解得a和b，但是由于实测数据都存在误差，所以，我们很容易想到一个办法，我们测很多组数据来让我的a和b更加准确。“我们测很多组数据来让我的a和b更加准确” ，那么我从数学角度如何体现这句话呢？比如在此例中，已知数学模型 y=ax+b 我们有很多组数据，那么我们要找一条直线，使得我们测得的每个数据，到这条直线的偏离量的总和最小。（这句话有点拗口，慢慢理解下 = =）那么怎么用数学描述“偏离量总和最小”这个概念呢？数学家运用了方差！数学模型 y=ax+b设F=ax+b-y那么对于模型上的点(注意是模型上的点，也就是理论值)，F=ax+b-y=0但是对于实际值来说，F=axi+b-yi 一定不等于0。那么我们就要找到一对a和b，使得F尽可能接近于0。也就是说，“偏离量总和最小”这个概念，在数学上实际上就是要求F的方差最小。即 Σ F^2→0 （F的平方和趋近于0）即 Σ(axi+b-yi)^2→0那么我们得到一个方程f(a,b)=Σ(axi+b-yi)^2，我们要找到合适的a,b使得f(a,b)最小！也就是说，我们要找到的实际上是f(a,b)的最小值点。（因为方差不可能小于0）因此我们需要求f(a,b)的极值点。我们借助数学工具偏导。如果有一组a,b使得?f(a,b)?a=0?f(a,b)?b=0那么f(a,b)就是极值点，如果a,b只有一对，那么它就是最小值点。即 ?( Σ(axi+b-yi)^2 )?a=0?( Σ(axi+b-yi)^2 )?b=0化简得到a*Σxi^2 + b*Σxi = Σ(xi*yi)a*Σxi + b*N = Σyi其中N是(xi,yi)的个数。即我们测了多少组数据解上面的二元方程，我们就可以得到唯一的一组a,b啦，这就是我们所需要的a和bO(∩_∩)O~是不是蛮简单的？Matlab最基础的程序如下。。。= =%原始数据X=[163 123 150 123 141];Y=[186 126 172 125 148];n=5; %一共5个变量x2=sum(X.^2); % 求Σ(xi^2)x1=sum(X); % 求Σ(xi)x1y1=sum(X.*Y); % 求Σ(xi*yi)y1=sum(Y); % 求Σ(yi)a=(n*x1y1-x1*y1)(n*x2-x1*x1); %解出直线斜率b=(y1-a*x1)nb=(y1-a*x1)n; %解出直线截距%作图% 先把原始数据点用蓝色十字描出来figureplot(X,Y,+); hold on% 用红色绘制拟合出的直线px=linspace(120,165,45);py=a*px+b;plot(px,py,r);结果 a=1.5555 b=-66.365喵~希望对你有帮助。。眼泪……余下全文
