最小二乘拟合（Least Squares Estimation）

Post date: Jul 17, 2012 9:08:06 AM

在物理实验中经常要观测两个有函数关系的物理量。根据两个量的许多组观测数据来确定它们的函数曲线，这就是实验数据处理中的曲线拟合问题。这类问题通常有两种情况：一种是两个观测量x与y之间的函数形式已知，但一些参数未知，需要确定未知参数的最佳估计值；另一种是x与y之间的函数形式还不知道，需要找出它们之间的经验公式。后一种情况常假设x与y之间的关系是一个待定的多项式，多项式系数就是待定的未知参数，从而可采用类似于前一种情况的处理方法。

一、最小二乘法原理

在两个观测量中，往往总有一个量精度比另一个高得多，为简单起见把精度较高的观测量看作没有误差，并把这个观测量选作x，而把所有的误差只认为是y的误差。设x和y的函数关系由理论公式

（0-0-1）

给出，其中c1，c2，……cm是m个要通过实验确定的参数。对于每组观测数据（xi，yi）i＝1，2，……，N。都对应于xy平面上一个点。若不存在测量误差，则这些数据点都准确落在理论曲线上。只要选取m组测量值代入式（0-0-1），便得到方程组

（0-0-2）

式中i＝1，2，……，m.求m个方程的联立解即得m个参数的数值。显然N<m时，参数不能确定。

在N>m的情况下，式（0-0-2）成为矛盾方程组，不能直接用解方程的方法求得m个参数值，只能用曲线拟合的方法来处理。设测量中不存在着系统误差，或者说已经修正，则y的观测值yi围绕着期望值 <f（x；c1，c2，……cm）> 摆动，其分布为正态分布，则yi的概率密度为

,

式中是分布的标准误差。为简便起见，下面用C代表（c1，c2，……cm）。考虑各次测量是相互独立的，故观测值（y1，y2，……cN）的似然函数

.

取似然函数L最大来估计参数C，应使

（0-0-3）

取最小值：对于y的分布不限于正态分布来说，式（0-0-3）称为最小二乘法准则。若为正态分布的情况，则最大似然法与最小二乘法是一致的。因权重因子，故式（0-0-3）表明，用最小二乘法来估计参数，要求各测量值yi的偏差的加权平方和为最小。

根据式（0-0-3）的要求，应有

从而得到方程组

（0-0-5）

把参数估计代入上式并比较式（0-0-3），便得到最小的x2值

（0-0-6）

可以证明，服从自由度v＝N-m的x2分布，由此可对拟合结果作x2检验。

由x2分布得知，随机变量的期望值为N-m。如果由式（0-0-6）计算出接近N-m（例如），则认为拟合结果是可接受的；如果

，则认为拟合结果与观测值有显著的矛盾。

二、直线的最小二乘拟合

曲线拟合中最基本和最常用的是直线拟合。设x和y之间的函数关系由直线方程

y＝a0+a1x (0-0-7)

给出。式中有两个待定参数，a0代表截距，a1代表斜率。对于等精度测量所得到的N组数据（xi，yi），i＝1，2……，N，xi值被认为是准确的，所有的误差只联系着yi。下面利用最小二乘法把观测数据拟合为直线。

1．直线参数的估计

前面指出，用最小二乘法估计参数时，要求观测值yi的偏差的加权平方和为最小。对于等精度观测值的直线拟合来说，由式（0-0-3）可使

（0-0-8）

最小即对参数a（代表a0，a1）最佳估计，要求观测值yi的偏差的平方和为最小。

根据式（0-0-8）的要求，应有

整理后得到正规方程组

解正规方程组便可求得直线参数a0和a1的最佳估计值和。即

（0-0-10）

（0-0-11）

2．拟合结果的偏差

由于直线参数的估计值和是根据有误差的观测数据点计算出来的，它们不可避免地存在着偏差。同时，各个观测数据点不是都准确地落地拟合线上面的，观测值yi与对应于拟合直线上的这之间也就有偏差。

首先讨论测量值yi的标准差S。考虑式（0-0-6），因等精度测量值yi所有的都相同，可用yi的标准偏差S来估计，故该式在等精度测量值的直线拟合中应表示为

（0-0-12）

已知测量值服从正态分布时，服从自由度v＝N-2的x2分布，其期望值

由此可得yi的标准偏差

图0-0-1 拟合直线两侧数据点的分布

下面讨论拟合参数偏差，由式（0-0-10）和（0-0-11）可见，直线拟合的两个参数估计值和是yi的函数。因为假定xi是精确的，所有测量误差只有yi有关，故两个估计参数的标准偏差可利用不确定度传递公式求得，即

把式（0-0-10）与（0-0-11）分别代入上两式，便可计算得

（0-0-14）

（0-0-15）

三、相关系数及其显著性检验

当我们把观测数据点（xi，yi）作直线拟合时，还不大了解x与y之间线性关系的密切程度。为此要用相关系数ρ（x，y）来判断。其定义已由式（0-0-12）给出，现改写为另一种形式，并改用r表示相关系数，得

和分别为x和y的算术平均值。r值范围介于-1与+1之间，即-1≤r≤1。当r>0时直线的斜率为正，称正相关；当r<0时直线的斜率为负，称负相关。当|r|＝1时全部数据点（xi，yi）都落在拟合直线上。若r＝0则x与y之间完全不相关。r值愈接近±1则它们之间的线性关系愈密切。