一、回归方程
1、回归方程(regression equation)是对变量之间统计关系进行定量描述的一种数学表达式。指具有相关的随机变量和固定变量之间关系的方程。 回归直线方程指在一组具有相关关系的变量的数据(x与y)间,一条最好地反映x与y之间的关系直线。
二、最小二乘法
1、最小二乘法是一种在误差估计、不确定度、系统辨识及预测、预报等数据处理诸多学科领域得到广泛应用的数学工具。
2、 最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小
三、例子
四、部分源码浏览
for (int i = 1; i <= n; i++) {
xy = xy+(xd[i]*yd[i]);
printf("x%dy%d为:%f ", i, i, xd[i]*yd[i]);
}
printf("\n");
xy = xy / n;
printf("xy平均为:%f\n", xy);
for (int i = 1; i <= n; i++) {
x2 = x2+(xd[i]*xd[i]);
printf("x2-%d为:%f ", i, xd[i]*yd[i]);
}
printf("\n");
x2 = x2 / n;
printf("x-平均为:%f\n", x2);
k = ((x1*y1)-xy) / ((x1*x1)-(x2));
printf("k的值为:%f\n", k);
h = e*k;
printf("h的值为:%f", h);
五、资源链接
利用回归方程和最小二乘法计算实测点误差值-资源链接https://download.csdn.net/download/m0_57032467/86830939