最小二乘法直线拟合，线性相关系数r有什么用

确定拟合直线类型等。1、确定拟合直线类型，根据数据集的特点和研究目的，选择合适的直线类型进行拟合，对于线性数据选择一次线性回归模型，而对于非线性数据需要选择多项式回归模型等。2、最小化残差平方和，拟合直线的目标是使得数据点到直线的距离之和最小化，也就是使得残差平方和最小化，在选择拟合直线时，应该选择能够最小化残差平方和的直线。3、判断拟合直线是否合理，拟合直线的好坏需要用一些统计指标来评价，可以使用判定系数（R2）来衡量拟合直线对数据的解释能力，也可以使用标准误差（SE）来衡量预测误差的大小等。

画端基拟合直线和端基平移拟合直线的方法如下：1、首先，需要收集两个变量之间的数据，并将它们以数据点的形式表示在一个图表中。2、在这组数据点中，需要选择两个端点作为拟合直线的端点，通常情况下，会选择最左侧的点和最右侧的点作为端点。3、通过选择的两个端点，可以计算出拟合直线的斜率，斜率等于两个端点之间的纵向距离除以横向距离。4、通过选择的两个端点和计算出的斜率，可以计算出拟合直线的截距，截距等于纵坐标减去斜率乘以横坐标。5、最后，就可以使用计算出的斜率和截距，绘制出通过所有数据点的拟合直线，这条直线应该能够很好地描述自变量和因变量之间的线性关系。

　　直线拟合是指用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系。更广泛地说，空间或高维空间中的相应问题亦属此范畴。 　　在数值分析中，直线拟合就是用解析表达式逼近离散数据，即离散数据的公式化。 　　实践中，离散点组或数据往往是各种物理问题和统计问题有关量的多次观测值或实验值，它们是零散的，不仅不便于处理，而且通常不能确切和充分地体现出其固有的规律。这种缺陷正可由适当的解析表达式来弥补。

将1996-2000年每年的产量数据进行直线回归，可用最小二乘法求得b斜率.a截距，y=a+bt方程有了b斜率.a截距，就可以2000年以后年份(t)代入方程预测产量(y)。产量数据进行直线回归是年份的那么（t）应该是年，如果产量数据进行直线回归是月份的那（t）应该是月

1、首先我们使用excel将我们的数据打开，然后选择数据，并在菜单那里找到插入选项2、点击插入选项在其内找到推荐的图表选项3、点击推荐的图表选项，在弹出的对话框内选择我们需要的图表4、选择图表之后我们在图表的右侧找到图表元素选项，点击该选项在其内找到趋势线选项5、将趋势线勾选，然后在图表里双击在右侧找到显示公式和显示R平方值选项6、我们将显示公式和显示R平方值勾选，此时就出现了我们的数据拟合方程了

统计学拟合直线方程可以根据百度文《物理实验数据处理的直线拟合法》的结论，可直接使用：假设你有n组数据（xi，yi），i从1到n，先分别求出x、y的平均值x0，y0；然后求对（xi-x0）*（yi-y0）求和得M，再对（xi-x0）^2求和得到N，再求出M/N，这是直线的斜率k；然后求a=y0-kx0，这是直线的截距；则所求方程就是y=kx+a

A=y - -b*x -最小二乘法可以帮助我们在进行线性拟合时，如何选择“最好”的直线。要注意的是，利用实验数据进行拟合时，所用数据的多少直接影响拟合的结果，从理论上说，数据越多，效果越好，即所估计的直线方程越能更好地反映变量之间的关系。一般地，我们可以先作出样本点的散点图，确认线性相关性，然后再根据回归直线系数的计算公式进行计算。刻画样本点 与直线y=a+bx之间的“距离”——思考：①这个“距离”与点到直线的距离有什么关系？很显然，这个式值越小，则样本点与直线间的距离越小。②为什么不直接利用点到直线的距离来刻画样本点与直线之间的距离关系？

首先最小二乘法是面对不连续的离散点。 它的本质是求某些参数，估计值在整体下可以使误差ε最小。 对于离散点的直线拟合、曲线拟合是在满足误差最小的基础上，得出可以用数学函数式表达的可视化线图。直线拟合的例子： 天气温度和冰淇淋销量的关系图： 标记在坐标轴上： 假设这种线性关系为： 分别标号：i,x,y 总误差的平方为： 通过最小二乘法的思想： 在误差式子中，不同的 , 会导致不同的 ，根据多元微分的知识， 当它们的偏微分等于0时， 可取最小值。上述方程组为线性方程组，求解方程组，得出 , 的值。 求得函数图像为：以上是直线拟合的主线步骤。 对于如何求解线性方程组，接下来我们一块学习。 拟合直线函数： 1、表示X,Y的向量2、函数参数向量3、构造矩阵 4、矩阵等式5、对 矩阵构造方阵 方程两边同时左乘 的转置矩阵，得到方程 6、求系数向量

你可以再次增加一个新的数据系列（plot），数据区域就输入那几个线性关系的点，再拟合下就好了，该覆盖的地方都会有覆盖的

1、选中需要拟合的数据点，进入“插入”菜单，绘制出“散点图”（点与点之间不需要连线）。然后用鼠标选中图中需拟合的所有散点（选中后点外围会有个小方框）。2、鼠标右键弹出菜单，点击“添加趋势线（R）”。在弹出的“设置趋势线格式”对话框中，右侧选择“趋势线选项”。3、左侧在“趋势预测/回归分析类型”中选择“线性”（本例的数据点分布为直线）。4、然后勾选上“显示公式”、“显示R平方值”。最后点击“关闭”按钮即可。

通过连接样本数据的两个端点来获得一个最小二乘直线。1、对给定的数据样本，选择两个端点，通常为最小和最大的数据点。2、通过这两个端点连接成一条直线，并计算该直线与所有样本数据点的距离之和。3、将直线在数据样本的平面上旋转，并重复步骤2，直到找到最小的距离之和。4、将直线在数据样本的平面上旋转，并重复步骤2，直到找到最小的距离之和。端点连线法适用于样本数量较少或者数据离散度较大的情况。

1、首先用最小二乘法进行直线拟合 。2、其次在测量两端点间连直线为拟合直线。3、最后根据计算公式测量即可，端基法是一种测定，高分子化合物分子量的方法。

输入x和y，注意是竖着输，一列x一列y，然后全选，右键-->plot-->line+symbol,之后会出现拟合直线，之后选择菜单中的analysis-->Fit linear,就会出现

方法/步骤将数据按照X值在左列，Y值在右列输入电子表格，然后选中数据区域在工具栏中选择“插入”---“图表”，选择图表中的散点图在散点图中选择“带直线和数据标记的散点图”，就会出现一张直线图右键单击该直线，在选项中选择“添加趋势线”5在右侧弹出的小窗口中选择“线性”，进度条往下拉，选择“显示公式”-“显示R平方值”就会显示拟合的方程excel的特点主要用于对数据的处理、统计分析与计算，简单的数据库管理，能绘制图表，具有检查与删除宏病毒的功能，并能与Internet网络共享资源。此外，还能利用Visual Basic for Application(VBA)语言开发面向特定应用的程序。好处：1、功能全面：几乎可以处理各种数据。操作方便：菜单、窗口、对话框、工具栏。 2、丰富的数据处理函数、丰富的绘制图表功能:自动创建各种统计图表 、丰富的自动化功能：自动更正、自动排序、自动筛选等。3、运算快速准确、方便的数据交换能力、新增的Web工具。Microsoft Excel是Microsoft为使用Windows和Apple Macintosh操作系统的电脑编写的一款电子表格软件。直观的界面、铯的计算功能和图表工具，和上成功的市场营销,使Excel成为最流行的个人计算机数据处理软件。在1993年，作为Microsoft Office的组件发布了5.0版之后，Excel就开始成为所适用操作平台上的电子制表软件的霸主。Microsoft Office是一套由微软公司开发的办公软件套装，它可以在MicrosoftWindows、Windows Phone、Mac系列、iOS和Android等系统 上运行。与其他办公室应用程序一样,包括联合的服务器和基于互联网的服务。

如果你有一些数据点，他们是离散的。你要从中找到这些点的规律，就做一条直线，穿过尽可能多的点，使得这些数据和直线上所的估计的点的方差最小。找到的这条直线就是拟合直线。它代表了数据之间的线性规律。当然，很多情况下，我们也不一定只拟合成直线，也有各种曲线等等。

就是说把测量得到的一些离散点标到坐标平面上目标话一条直线 是的所有点到这条直线得距离平方和最小那么这条直线就成为目标得拟合直线为什么所有点不落在这条直线上哪？可能是因为测量误差得原因等等

函数polyfit用于多项式曲线拟合p=polyfit(x,y,m)其中, x, y为已知数据点向量, 分别表示横,纵坐标, m为拟合多项式的次数, 结果返回m次拟合多项式系数, 从高次到低次存放在向量p中.利用y0=polyval(p,x0)，可求得多项式在x0处的值y0源程序如下：x=[1 2 3 4 5];y=[3 6 8 11 15];p=polyfit(x,y,1);x0=1:7;plot(x,y,"*",x0,polyval(p,x0));

1、这是未延长的直线。2、先双击坐标轴选中。3、其次选择【title & format】选项按钮。4、然后在左侧选择要加框线的的地方点击。5、例如，选择【top】，即在上面加线，去勾选【show axis & tick】选项。6、直线不要刻度，在major ticks和minor ticks下，选择【none】，右侧的直线也是这样设置。7、即把图中直线延长。扩展资料origin8.0主要按Origin基础、数据管理、科技作图、数据分析和自动化编程为系统框架，以模块功能为基础，结合实例，系统地介绍了本软件的使用。Origin是美国OriginLab公司推出的数据分析和科技作图软件，也是广泛流行和国际科技出版界公认的标准作图工具，功能强大但操作简便，既适合于一般的作图需求，也能够满足复杂的数据分析和图形处理，是科学研究和工程工作者必备的软件之一。Origin Pro 8.0是Origin软件的最新版本。与以前的版本相比，8.0版本在电子表格、数据导人和导出、科技作图、数据分析、模块化和自动化操作，以及界面集成等方面都取得了相当大的突破。参考资料来源：百度百科-Origin8.0实用教程

1、将这个点与这条直线两侧的任一点连接。2、然后证明这个角为180度。3、如果是180度，那么这个点在这条直线上，否则，不在这条直线上。

定义：校准曲线接近规定直线的吻合程度。 所属学科： 机械工程（一级学科） ；机械工程(3)总论（二级学科） ；仪器仪表基本名词（三级学科） 有关精度、线性度等几个基本概念 在谈精度、线性度之前，先谈谈几个误差的概念： 1.绝对误差：实测值与理想值之差； 2.相对误差：被测点的绝对误差与被测点的理想值之比； 3.引用误差：被测点的绝对误差与基准值（量程）之比； 4.基本误差：在标准条件下，基准值（量程）范围内的引用误差； 5.线性误差：实测曲线与理想直线之间的偏差； 精度：由传感器的基本误差极限和影响量（如温度变化、湿度变化、电源波动、频率改变等）引起的改变量极限确定。 线性度：线性度 概念：测试系统的输出与输入系统能否像理想系统那样保持正常值比例关系（线性关系）的一种度量。 线性范围：传感器在线性工作时的可测量范围

线性拟合是 Origin 中容易操作的一种拟合方法。如果你使用的是 Origin 8.0 或者更高的版本，拟合的步骤如下：作图。在数据表内选中你的数据，然后点击 Origin 菜单栏上的 Plot ——> Symbol ——> Scatter 完成之后你会看到新弹出的 Graph 1，里面是完成的散点图。在 Graph 1 为当前激活窗口时，点击 Origin 菜单栏上的 Analysis ——> Fitting ——> Linear Fit ——> Open Dialog。直接点 OK 就可以了。 完成之后，你会在 Graph 1 中看到一条红色的直线 穿过原先的数据点。这条红色的直线就是线性拟合得到的拟合线。得到拟合直线的同时，你也会在 Graph 1 中看到一个数据表。表内的 Intercept 是截距，Slope 是斜率。Value 列出了二者的数值，Standard Error 是截距和斜率的标准差。更详细的拟合结果 总结在数据表中的 FitLinear1 选项卡中。【注意事项】 Origin 在不同窗口激活的状态下，菜单栏的内容会有区别。如果在第 2 步操作时激活的窗口是数据表，那么拟合的结果不会显示在 Graph 1 中，也就是说不会显示红色的拟合直线，只在数据表中显示拟合的各个参数。如果跳过第1步作图，直接进行第2步拟合，效果如注意事项 2 的描述一致。

LINEST 函数可通过使用最小二乘法计算与现有数据最佳拟合的直线,来计算某直线的统计值,然后返回描述此直线的数组.也可以将 LINEST 与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值,包括多项式、对数、指数和幂级数.因为此函数返回数值数组,所以必须以数组公式的形式输入.请按照本文中的示例使用此函数. 直线的公式为： y = mx + b - 或 - y = m1x1 + m2x2 + ...+ b（如果有多个区域的 x 值） 其中,因变量 y 是自变量 x 的函数值.m 值是与每个 x 值相对应的系数,b 为常量.注意,y、x 和 m 可以是向量.LINEST 函数返回的数组为 {mn,mn-1,...,m1,b}.LINEST 函数还可返回附加回归统计值. 语法 LINEST(known_y"s,[known_x"s],[const],[stats])LINEST 函数语法具有以下参数 （参数：为操作、事件、方法、属性、函数或过程提供信息的值.）： Known_y"s 必需.关系表达式 y = mx + b 中已知的 y 值集合. 如果 known_y"s 对应的单元格区域在单独一列中,则 known_x"s 的每一列被视为一个独立的变量. 如果 known_y"s 对应的单元格区域在单独一行中,则 known_x"s 的每一行被视为一个独立的变量. Known_x"s 可选.关系表达式 y = mx + b 中已知的 x 值集合. known_x"s 对应的单元格区域可以包含一组或多组变量.如果仅使用一个变量,那么只要 known_y"s 和 known_x"s 具有相同的维数,则它们可以是任何形状的区域.如果使用多个变量,则 known_y"s 必须为向量（即必须为一行或一列）. 如果省略 known_x"s,则假设该数组为 {1,2,3,...},其大小与 known_y"s 相同. const 可选.一个逻辑值,用于指定是否将常量 b 强制设为 0. 如果 const 为 TRUE 或被省略,b 将按通常方式计算. 如果 const 为 FALSE,b 将被设为 0,并同时调整 m 值使 y = mx. stats 可选.一个逻辑值,用于指定是否返回附加回归统计值. 如果 stats 为 TRUE,则 LINEST 函数返回附加回归统计值,这时返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}. 如果 stats 为 FALSE 或被省略,LINEST 函数只返回系数 m 和常量 b.

简单点，直接右键点散点，选择添加趋势线，选择直线，把公式和r平方显示出来，如果r大于0.996，则该直线方程就满足你所需要的。

只有4个点我用vba简单搜索得a=1.9196771674102900029999985000007b=-14.319590454522700124999937500031y=ax+b平方差=0.533947825497011

在数据分析中，对于成对成组数据的拟合是经常遇到的，涉及到的任务有线性描述，趋势预测和残差分析等等。很多专业读者遇见此类问题时往往寻求专业软件，比如在化工中经常用到的Origin和数学中常见的MATLAB等等。它们虽很专业，但其实使用Excel就完全够用了。我们已经知道在Excel自带的数据库中已有线性拟合工具，但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。 　　注：本功能需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，请依次选择“工具”-“加载宏”，在安装光盘支持下加载“分析数据库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项　　实例 某溶液浓度正比对应于色谱仪器中的峰面积，现欲建立不同浓度下对应峰面积的标准曲线以供测试未知样品的实际浓度。已知8组对应数据，建立标准曲线，并且对此曲线进行评价，给出残差等分析数据。　　这是一个很典型的线性拟合问题，手工计算就是采用最小二乘法求出拟合直线的待定参数，同时可以得出R的值，也就是相关系数的大小。在Excel中，可以采用先绘图再添加趋势线的方法完成前两步的要求。　　选择成对的数据列，将它们使用“X、Y散点图”制成散点图。　　在数据点上单击右键，选择“添加趋势线”-“线性”，并在选项标签中要求给出公式和相关系数等，可以得到拟合的直线。　　由图中可知，拟合的直线是y=15620x+6606.1，R2的值为0.9994。　　因为R2 >0.99，所以这是一个线性特征非常明显的实验模型，即说明拟合直线能够以大于99.99%地解释、涵盖了实测数据，具有很好的一般性，可以作为标准工作曲线用于其他未知浓度溶液的测量。

简单点，直接右键点散点，选择添加趋势线，选择直线，把公式和r平方显示出来，如果r大于0.996，则该直线方程就满足你所需要的。

使用excel求斜率、截距的操作步骤如下：1、首先打开Excel2016，输入X、Y两列数据。2、求拟合直线斜率用SLOPE函数，基本调用格式=SLOPE(Y轴数据,X轴数据)用鼠标选取Y数据。3、键入英文状态的逗号，再用鼠标选取X数据。4、得到斜率，可自行调节小数位数。5、求拟合直线截距用INTERCEPT函数，基本调用格式=INTERCEPT(Y轴数据,X轴数据)用鼠标选取Y数据。6、键入英文状态的逗号，再用鼠标选取X数据，这样使用excel求斜率、截距的问题就解决了。扩展资料：Excel表格的基本操作技巧1、区域选择，鼠标移动到第一列的上面/行的左侧，鼠标左键点击，当指针出现向下/向右的箭头时，向右/向下拖拉，这样就可以快速选择区域了。2、鼠标左键点击选择第一个单元格，然后鼠标左键移动到此单元格的右下角，这时鼠标指针会变成“+”字形的，鼠标左键按着不放向下拖拉，这时数据会递增显示。这是快速处理连续数据的方法。3、选择第一个单元格“1111”，然后鼠标左键按着不放向下拖拉至10的位置， 然后使用快捷键“Ctrl+D",然后整列都会显示相同数据了，如B列所示。这是快速处理相同数据的方法。4、选择连续区域。鼠标左键选择左上角第一个单元格，然后鼠标左键按着不放向右拖拉至E列，然后再向下拖拉至15行的位置。5、单元格宽度修改。选中的单元格需要输入身份证号，但是单元格宽度太小，这时只需把鼠标放在A列和B列之间，然后指针会变成双向，这时鼠标左键按着不放向右拖拉，这时整列就变宽了。

画出点后，点analyze里的fit linear就可以了，会自动出来一个报告单的，里面有R2值，还有截距（intercept）和斜率（slope）值，分别代入公式y=a+b*x就是你这个线性拟合的公式了。当然还有其他的一些参数可以在报告单里面找。

亲，你先选一列，做好一张图，然后右键，选“选择数据——添加——给X轴选系列值”添加就可以了或者你复制要添加的数据，点中原图，按ctrl+v就可以了

是“线性回归”吗？如果是，那么MODE>MODE>2(REG)>1(Lin) 然后输入数值：输入"X1,Y1">M+(DT)>输入“X2,Y2”>M+(DT)>输入“X3,Y3”>M+(DT)…… （必须输入两组或两组以上）然后按“AC”模型方程为“y=A+Bx”求相关系数“r”：SHIFT>2(S-VAR)>→>→>3>= 即可 （相关系数表示两数据的相关程度，r越接近1，那么拟合效果越好！）求A、B：SHIFT>2(S-VAR)>→>→>1>= 就是A的值 SHIFT>2(S-VAR)>→>→>2>= 就是B的值

8.6版本的，是这样的。首先把你的X，Y轴设置成从0开始。然后Analysis——Fitting——Linear Fit——Open Dialogue，（1）在Fit Options里面把Fix Intercept后面的框打勾，下面的数字不改就是0.（2）在Fitted Curves Plot里面——X Data Type下面的Range改成Span to Full Axis Range就可以看到那条拟合直线过原点了。其实你改第一项就可以使拟合直线过原点，但是那个起始点是从你的第一个数据点的X值开始的。所以改第二个，就可以看到过原点的直线。

excel2007中，左键选中该曲线，点击右键，选中添加趋势线，选择线性，可以拟合。

一般来说，线性回归都可以通过最小二乘法求出其方程，可以计算出对于y=bx+a的直线，其经验拟合方程如下：其相关系数（即通常说的拟合的好坏）可以用以下公式来计算： 虽然不同的统计软件可能会用不同的格式给出回归的结果，但是它们的基本内容是一致的。以STATA的输出为例来说明如何理解回归分析的结果。在这个例子中，测试读者的性别（gender），年龄（age），知识程度（know）与文档的次序（noofdoc）对他们所觉得的文档质量(relevance)的影响。输出：Source | SS df MS Number of obs = 242-------------+------------------------------------------ F ( 4, 237) = 2.76Model | 14.0069855 4 3.50174637 Prob > F = 0.0283Residual | 300.279172 237 1.26700072 R-squared = 0.0446------------- +------------------------------------------- Adj R-squared = 0.0284Total | 314.286157 241 1.30409194 Root MSE = 1.1256------------------------------------------------------------------------------------------------relevance | Coef. Std. Err. t P>|t| Beta---------------+--------------------------------------------------------------------------------gender | -.2111061 .1627241 -1.30 0.196 -.0825009age | -.1020986 .0486324 -2.10 0.037 -.1341841know | .0022537 .0535243 0.04 0.966 .0026877noofdoc | -.3291053 .1382645 -2.38 0.018 -.1513428_cons | 7.334757 1.072246 6.84 0.000 .------------------------------------------------------------------------------------------- ，，其中，代表y的平方和；是相关系数，代表变异被回归直线解释的比例；就是不能被回归直线解释的变异，即SSE。根据回归系数与直线斜率的关系，可以得到等价形式：，其中b为直线斜率 ，其中是实际测量值，是根据直线方程算出来的预测值

以Excel2010为例。1、“开发工具”选项卡 中单击“加载项”组中的“加载项”按钮，打开“加载宏”对话框。如下图。勾选 “分析工具库”。2、“数据”选项卡中“分析”组中的“数据分析”按钮，打开“数据分析”对话框。如下图。单击“回归”选项。

y=ax+bi=指数, y(i+20)=yi= y(i+40)= y(i+60)= y(i+80)= y(i+100)偏差s=∑(i=1,120) [yi-axi-b]^2偏差导数=0 ,偏差最小u2202s/u2202a=2∑(i=1,120) [yi-axi-b]{-xi)=0------------(1)u2202s/u2202b=2∑(i=1,120) [yi-axi-b]{-1)=0-------------(2)从(1),(2), 解a,ba={120*∑(i=1,120) xi yi –[∑(i=1,120) xi]*[∑(i=1,120)yi]}/ {120*[∑(i=1,120)xi^2]-[∑(i=1,120) xi]^2}b={[∑(i=1,120) xi ^2]*[∑(i=1,120) yi]–[∑(i=1,120) xi yi]*[∑(i=1,120)xi]}/{120*[∑(i=1,120) xi^2]-[∑(i=1,120) xi]^2}MATLAB:function [a, b]=linear_fit(X, Y)%输入 X,Ysx=0;%(sx is a variable for sum of x-values)sy=0;%(sy is a variable for sum of y-values)sxy=0;%(sxy is a variable for sum of products of x and y-values)sxsq=0;%(sxsq is a variable for sum of squares of x-values)sysq=0;%(sysq is a variable for sum of squares of y-values)m=120;%(m is the number of x and y values)for i=1:msx=sx+X(i);sy=sy+Y(i);sxsq=sxsq+X(i)^2;sysq=sysq+Y(i)^2;sxy=sxy+X(i)*Y(i);enda=(m*sxy-sx*sy)/(m*sxsq-sx^2);b=(sxsq*sy-sxy*sx)/(m*sxsq-sx^2;

我们假设测定的时候,横坐标没有误差（自己设计的样品,认为没有误差）,所以认为误差完全出现在纵坐标上,即测定值上.所以只要求出拟合直线上的点和样品纵坐标值的距离的最小值,就好了.就认为这个直线离所有点最近.设回归直线为y=mx+b.任意一点为(Xi,Yi),i是跑标,表示任意一个值.即求点(Xi,Yi)到与该点横坐标相同的拟合直线上的点(Xi,mXi+b)距离的最小值.所以距离为纵坐标相减,即d=|Y-Yi|=|mXi+b-Yi|.绝对值不好算,就换成平方.有d^2=(mXi+b-Yi)^2.现在把所有的距离相加.即Σ（i=1,n),从1开始,加到第n个,(我就不写了太费劲).Σd^2=Σ(mXi+b-Yi)^2.把d^2分别对m和b求偏导,因为你应该学过,最小值时候,导数应该等于0.对m求,m即斜率,认为斜率是变量,其他都看成常量.Σ[2*(mXi+b-Yi)Xi]=0,展开得mΣXi^2+bΣXi-ΣXiYi=0,解出b=(ΣYi-mΣXi)/n,n表示一共多少个点,就是代数预算,自己试试.对b求偏导,Σ[2*(mXi+b-Yi)*1]=0,解出mΣXi+nb=ΣYi联立方程,解出m和b.有,m=(nΣXiYi-ΣXiΣYi)/(nΣXi^2-(ΣXi)^2)b=(ΣYi-mΣXi)/n因为求和的ΣXi等于n乘以平均数.

直线拟合是指用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系。更广泛地说，空间或高维空间中的相应问题亦属此范畴。 在数值分析中，直线拟合就是用解析表达式逼近离散数据，即离散数据的公式化。 实践中，离散点组或数据往往是各种物理问题和统计问题有关量的多次观测值或实验值，它们是零散的，不仅不便于处理，而且通常不能确切和充分地体现出其固有的规律。这种缺陷正可由适当的解析表达式来弥补。

可以在散点图上右键插入拟合直线

1、首先，origin在数据拟合方面提供了非常大的功能，一般我们用的最多的几项包括：线性拟合、多项式拟合、以及非线性拟合等等，可能有些科研工作者根据具体需要还会用到自定义拟合。导入两组数据，如图（1）所示的单调递增和单调递减数据。2、我们分别对两组数据单独做图，做出图形后我们需要对这两组数据分别进行线性拟合，3、然后analysis→fitting→linear fit，回车确定，我们就能得到如图所示的结果，4、同样的步骤方法，对单调递增的数据进行拟合，最后可以得到如图所示的结果，

方法/步骤将数据按照X值在左列，Y值在右列输入电子表格，然后选中数据区域在工具栏中选择“插入”---“图表”，选择图表中的散点图在散点图中选择“带直线和数据标记的散点图”，就会出现一张直线图右键单击该直线，在选项中选择“添加趋势线”5在右侧弹出的小窗口中选择“线性”，进度条往下拉，选择“显示公式”-“显示R平方值”就会显示拟合的方程excel的特点主要用于对数据的处理、统计分析与计算，简单的数据库管理，能绘制图表，具有检查与删除宏病毒的功能，并能与Internet网络共享资源。此外，还能利用VisualBasicforApplication(VBA)语言开发面向特定应用的程序。好处：1、功能全面：几乎可以处理各种数据。操作方便：菜单、窗口、对话框、工具栏。2、丰富的数据处理函数、丰富的绘制图表功能:自动创建各种统计图表、丰富的自动化功能：自动更正、自动排序、自动筛选等。3、运算快速准确、方便的数据交换能力、新增的Web工具。MicrosoftExcel是Microsoft为使用Windows和AppleMacintosh操作系统的电脑编写的一款电子表格软件。直观的界面、铯的计算功能和图表工具，和上成功的市场营销,使Excel成为最流行的个人计算机数据处理软件。在1993年，作为MicrosoftOffice的组件发布了5.0版之后，Excel就开始成为所适用操作平台上的电子制表软件的霸主。MicrosoftOffice是一套由微软公司开发的办公软件套装，它可以在MicrosoftWindows、WindowsPhone、Mac系列、iOS和Android等系统上运行。与其他办公室应用程序一样,包括联合的服务器和基于互联网的服务。

我知道为什么了，刚才纠结了好久，你把%去掉就好了，它不识别

1、首先，origin在数据拟合方面提供了非常du大的功能，一般用的最多的几项包括：线性拟合、多项式拟合、以及非线性拟合等等，可能有些科研工作者根据具体需要还会用到自定义拟合。导入两组数据，如图（1）所示的单调递增和单调递减数据。2、分别对两组数据单独做图，做出图形后我们需要对这两组数据分别进行线性拟合，3、然后analysis→fitting→linear fit，回车确定，我们就能得到如图所示的结果，4、同样的步骤方法，对单调递增的数据进行拟合，最后可以得到如图所示的结果，

就是说把测量得到的一些离散点标到坐标平面上目标话一条直线 是的所有点到这条直线得距离平方和最小那么这条直线就成为目标得拟合直线为什么所有点不落在这条直线上哪？可能是因为测量误差得原因等等

线性度的概念：测试系统的输出与输入系统能否像理想系统那样保持正常值比例关系（线性关系）的一种度量。在规定条件下，传感器校准曲线与拟合直线间的最大偏差（ΔYmax）与满量程输出（Y）的百分比，称为线性度（线性度又称为“非线性误差”），该值越小，表明线性特性越好。表示为公式如下：δ=ΔYmax/ Y*100%扩展资料:线性度是描述传感器静态特性的一个重要指标，以被测输入量处于稳定状态为前提。在规定条件下，传感器校准曲线与拟合直线间的最大偏差（ΔYmax）与满量程输出（Y）的百分比，称为线性度（线性度又称为“非线性误差”），该值越小，表明线性特性越好。以上说到了“拟合直线”的概念，拟合直线是一条通过一定方法绘制出来的直线，求拟合直线的方法有：端基法、最小二乘法等等。精度：由传感器的基本误差极限和影响量（如温度变化、湿度变化、电源波动、频率改变等）引起的改变量极限确定。

函数polyfit用于多项式曲线拟合p=polyfit(x,y,m)其中,x,y为已知数据点向量,分别表示横,纵坐标,m为拟合多项式的次数,结果返回m次拟合多项式系数,从高次到低次存放在向量p中.利用y0=polyval(p,x0)，可求得多项式在x0处的值y0源程序如下：x=[12345];y=[3681115];p=polyfit(x,y,1);x0=1:7;plot(x,y,"*",x0,polyval(p,x0));

直线似合指标是查找区间内的股价的最高价，最低价的一个指标，是属于带未来函数性质的一个指标，它所发出的信号会发生漂移。1、直线拟合指标是寻找阶段内代表性高点、低点的工具。2、直线拟合本身没有预测功能，即不能利用直线拟合指标直接研判，但可以利用直线拟合指标辅助判断顶背离、底背离等。该指标在赋值以后就与DRAWLINE、DCLOSE、XMA等函数类似了，此时信号将发生偏移。这种特性完全就是未来函数。主要选取的指标是房价与空置面积以及房价与空置率，研究的结论表明：房价与空置面积有较强的相关关系，并能用直线拟合。扩展资料通达信直线拟合指标公式：CYC13:=0.01*EXPMA(AMOUNT,13)/EXPMA(VOL,13);CYS:(CLOSE-CYC13)/CYC13*100;平衡:0,POINTDOT;10,POINTDOT;-10,POINTDOT;{A1:"ZXNH.ZXNH"*10;}STICKLINE("ZXNH.ZXNH" AND CYS<0,0,CYS,0.1,0),COLORLIRED;STICKLINE("ZXNH.ZXNH" AND CYS<-10,-10,CYS,0.1,0),COLORYELLOW;STICKLINE("ZXNH.ZXNH" AND CYS<-15,-15,CYS,0.1,0),COLORMAGENTA;STICKLINE("ZXNH.ZXNH" AND CYS<-20,-20,CYS,0.5,0),COLORRED;STICKLINE("ZXNH.ZXNH" AND CYS>0,0,CYS,0.1,0),COLORLIGREEN;STICKLINE("ZXNH.ZXNH" AND CYS>10,10,CYS,0.1,0),COLORCYAN;STICKLINE("ZXNH.ZXNH" AND CYS>15,15,CYS,0.1,0),COLORBLUE;STICKLINE("ZXNH.ZXNH" AND CYS>20,20,CYS,0.2,0),COLORGREEN。参考资料来源：百度百科-线性拟合

下面是百度文库的《物理实验数据处理的直线拟合法》的结论，可直接使用：假设你有n组数据（xi，yi），i从1到n，先分别求出x、y的平均值x0，y0；然后求对（xi-x0）*（yi-y0）求和得M，再对（xi-x0）^2求和得到N，再求出M/N，这是直线的斜率k；然后求a=y0-kx0，这是直线的截距；则所求方程就是y=kx+a

你说的这个问题我也不清楚你可以从百度上搜索一下

垂直偏移。LINEST 函数可通过使用最小二乘法计算与现有数据最佳拟合的直线,来计算某直线的统计值,然后返回描述此直线的数组.也可以将 LINEST 与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值,包括多项式、对数、指数和幂级数.因为此函数返回数值数组,所以必须以数组公式的形式输入.请按照本文中的示例使用此函数.直线的公式为：y = mx + b- 或 -y = m1x1 + m2x2 + ...+ b（如果有多个区域的 x 值）其中,因变量 y 是自变量 x 的函数值.m 值是与每个 x 值相对应的系数,b 为常量.注意,y、x 和 m 可以是向量.LINEST 函数返回的数组为 {mn,mn-1,...,m1,b}.LINEST 函数还可返回附加回归统计值.语法LINEST(known_y"s,[known_x"s],[const],[stats])LINEST 函数语法具有以下参数 （参数：为操作、事件、方法、属性、函数或过程提供信息的值.）：Known_y"s 必需.关系表达式 y = mx + b 中已知的 y 值集合.如果 known_y"s 对应的单元格区域在单独一列中,则 known_x"s 的每一列被视为一个独立的变量.如果 known_y"s 对应的单元格区域在单独一行中,则 known_x"s 的每一行被视为一个独立的变量.Known_x"s 可选.关系表达式 y = mx + b 中已知的 x 值集合.

matlab离散点数据直线拟合对于读取的特定图像如何利用matlab对于离散点进行直线拟合