Java—最佳拟合直线

Java—最佳拟合直线

Description
在很多情况下，天文观测得到的数据是一组包含很大数量的序列点图象，每一点用x值和y值定义。这就可能需要画一条通过这些点的最佳拟合曲线。

为了避免只对个别数据分析，需要进行最佳曲线拟合。考虑N个数据点，它们的坐标是(X1,Y1)，(X2,Y2)…，(XN,YN)。假设这些值中的X是严格的精确值，Y的值是测量值(含有一些误差)。

对于一个给定的X，如X1，对应的值Y1与曲线C上对应的Y值将存在一个差值。我们用D1表示这个差值，有时我们也称这个差值为偏差、误差或残差，它可能是正、负或零。类似的，X2…，XN，对应的差值为D2，…，DN。

我们用D12 + D22 + … + DN2 作为衡量曲线C拟合的“最佳”程度，这个值越小越好，越大则越不好。因此，我们做以下定义：任何一种类型的曲线，它们都有一个共同的特性，当ΣDi2最小时，称为最佳拟合曲线。注：∑指“取和”计算。 一条曲线具有这一特性时，称之为“最小二乘拟合”，这样的曲线称为“最小二乘曲线”。

本次的计算任务是拟合为一条直线，数学上称之为“线性回归”。“回归”一词看起来有点陌生，因为计算最佳曲线没什么好“回归”的，最好的术语就是“曲线似合”，在直线情况下就是“线性曲线拟合”。

你的任务是编写程序用最小二乘法计算出以下线性方程的系数(斜率a以及y轴的截距b)：

y = a*x + b (4.1)

a和b可以使用以下公式计算：

式中N是数据点的个数。注意，以上两式具有相同的分母，∑指逐项加法计算(取和)。∑x指对所有的x值求和，∑y指对所以的y值求和，∑(x^2)指对所有x的平方求和。∑xy指对所有的积xy进行取和计算。应注意，∑xy 与 ∑x*∑y是不相同的(“积的和”与“和的积”是不同的)，同样(∑x)^2与∑(x2)也是不相同的(“和的平方”与“平方的和”是不相同的)。

Input
n组整数表示xi，yi ，期中|x|<=106，|y|<=106, n < 15
Output
最佳拟合曲线参数a和b，a和b各占一行，a 和b精确到小数点后3位。
Sample
Input
4
1 6
2 5
3 7
4 10
Output
1.400
3.500
Hint
此题按照题中所给的公式做即可

import java.util.Scanner;

public class Main {
static double n;
static double sum(double x[])
{
	double sum=0;
	int i;
	for(i=0;i<n;i++)
	{
		sum+=x[i];
	}
	return sum;
}
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Scanner reader = new Scanner (System.in);
		double a[]=new double [50];
		double b[]=new double [50];
		double c[]=new double [50];
		double d[]=new double [50];
		int i;
		n=reader.nextInt();
		for(i=0;i<n;i++)
		{
			a[i]=reader.nextDouble();
			b[i]=reader.nextDouble();
			c[i]=a[i]*b[i];
			d[i]=a[i]*a[i];
		}
		double sum1,sum2,sum3,sum4;
		sum1=0;
		sum2=0;
		sum3=0;
		sum4=0;
		sum1=sum(a);
		sum2=sum(b);
		sum3=sum(c);
		sum4=sum(d);
		double e=(n*sum3-sum1*sum2)/(n*sum4-sum1*sum1);
		double f=(sum2*sum4-sum1*sum3)/(n*sum4-sum1*sum1);
		System.out.printf("%.3f\n%.3f",e,f);
	}

}