求回归方程

#define NUM 14

int main()
{
    int n = 14;
    //回归分析
    int temperature[] = { 29,28,34,31,25,29,32,31,24,33,25,31,26,30 };
    int sales[] = { 77,62,93,84,59,64,80,75,58,91,51,73,65,84 };
    //step1:画散点图,根据图形推测出可能方程
    Mat scatter(100, 100, CV_8UC1, Scalar(255, 255, 255));
    for (int i = 0; i < n; i++)
    {
        scatter.at<uchar>(temperature[i], sales[i]) = 0;
    }
    imshow("scatter", scatter);
    waitKey(0);
    //step2:用最小二乘法求方程
    float averageT,averageS;
    int sum1 =0,sum2=0;
    for (int i = 0; i < n; i++)
    {
        sum1 += temperature[i];
        sum2 += sales[i];
    }
    averageT = float(sum1) / n;
    averageS = float(sum2) / n;

    float Sxx=0, Syy=0, Sxy=0;
    for (int i = 0; i < n; i++)
    {
        Sxx += (temperature[i] - averageT)*(temperature[i] - averageT);    //x的离差平方和
        Syy += (sales[i] - averageS)*(sales[i] - averageS);                //y的离差平方和
        Sxy += (temperature[i] - averageT)*(sales[i] - averageS);         //x和y的离差积和
    }
    
    //根据公式推导，可得出 a = Sxy/Sxx , b = averageS - averageT*a;
    //公式推导步骤：求残差平方和Se，可用最小二乘法，即y的观测值-y的实际值的平方和最小。Se满足最小的话，可对Se关于a和b求微分，使其为0，得到两个方程，并整理，即可求出回归方程。
    //定义：y的观测值，即提供的y的值；y的实际值即通过方程式求出的y值
    //推导过程中可发现，对b求导后方程式，即过点（x平均值，y平均值）的直线方程 y平均值 = a*x平均值 - b；
    float a = 0, b = 0;   //suppose line equation y = ax + b;
    a = Sxy / Sxx;
    b = averageS - averageT*a;

    //step3:确认回归方程的精度：回归方程的精度就是用来表示点和回归方程拟合程度的指标
    //计算公式 R = y观测值和y实际值的离差积和/sqrt(y观测值的离差平方和*y实际值的离差平方和)
    float Syhaty = 0, averageHaty, Shatyhaty = 0;
    float Haty[NUM],Hatysum = 0;
    for (int i = 0; i < NUM; i++)
    {
        Haty[i] = a * temperature[i];//Haty = a*x+b;
        Hatysum += Haty[i];
    }
    averageHaty = Hatysum / NUM;

    for (int i = 0; i < n; i++)
    {
        Syhaty += (sales[i] - averageS)*(Haty[i] - averageHaty);    //y观测值和y实际值的离差积和()
        Shatyhaty += (Haty[i] - averageHaty)*(Haty[i] - averageHaty);                //y实际值的离差平方和
    }

    float Relatedcoefficient = Syhaty / sqrt(Syy*Shatyhaty);
    Relatedcoefficient *= Relatedcoefficient;   //重相关系数用R*R表示，R*R越接近1，代表回归方程的精度越高  //判定系数 = R*R = a*Sxy/Syy = 1 - Se/Syy;

   //step4：进行回归系数的检验

   //step5： 总体回归Ax+B的估计

   //step6： 进行预测

    return 0;
}