线性回归（一）

（一）简单线性回归
总体回归直线：$Y=\beta_0+\beta_1X+\epsilon$，$\epsilon$称为误差，服从零均值的正态分布，一般观察不到，其中$Var\left(\epsilon\right)=\sigma^2$，$E(\epsilon)=0$

通常假设误差$\epsilon$是独立于X的。

1. 探索总体变量

最小二乘线是用样本估计总体的一个特征。

例如：有n个关于Y的观测值，记为$y_1,y_2,...,y_n$，可用它们估计总体均值$\mu$。一般来说，样本均值能提供对总体均值的良好估计。如果我们能够从大量观测数据集中得到许多对$\mu$的估计，则它们的均值正好等于$\mu$。

• 那么单一的估计值$\hat{\mu}$偏离真值$\mu$有多远？

用$\hat{\mu}$的标准误差(standard error，记作$SE\left(\hat{\mu}\right)$)来衡量。

Var(μ^)=SE(μ^)2=σ2n