Kuadrat leutik: Béda antarrépisi

Konten dihapus Konten ditambahkan
Ilhambot (obrolan | kontribusi)
m →‎top: Ngarapihkeun éjahan, replaced: beda → béda
Ilhambot (obrolan | kontribusi)
m →‎top: Ngarapihkeun éjahan, replaced: estimator → éstimator, numana → nu mana, metoda → métodeu , hade → hadé, teknik → téhnik
Baris ka-1:
''(jejer ieu masih merlukeun tambahan nu leuwih jentre, nerangkeun dina metoda Gauss)''
 
'''Kuadrat pangleutikna''' atawa '''Léast squares''' nyaéta tekniktéhnik [[Optimization (mathematics)|optimasi]] [[matematik]] nu dipaké keur manggihkeun "ragkep hade" atawa "best fit" tina susunan data ku ngaminimalkeun bédama jumlah kuadrat (disebut ''[[errors and residuals in statistics|sesa]]'') antara fungsi rangkep jeung data.
 
Ieu geus ilahar dipaké dina [[curve fitting|kurva rangkep]]. Loba [[optimization problems|masalah optimasi]] bisa ditembongkeun dina bentuk kuadrat leutik, saperti dina ngaminimalkeun [[energy|tanaga]] atawa ngamaksimalkeun [[entropy|entropi]].
 
Tempo [[linear regression|régrési liniér]] sarta [[Gauss-Markov theorem|teorema Gauss-Markov]]. Téorema Gauss-Markov nyebutkeun yén estimatoréstimator kuadrat-leutik mangrupa hal nu pang-optimal-na.
 
Keur maké metodamétodeu kuadrat leutik ilaharna maké fungsi ''f''(''x''), nu ngabogaan sababaraha wilangan konstanta nu teu dipikanyaho (contona ''f''(''x'') = ''mx'' + ''b'', numananu mana ''m'' sarta ''b'' teu dipikanyaho), sarta panggihkeun nilai ''m'' jeung ''b'' ku ngaminimalkeun jumlah kuadrat sesa (nyaéta, jumlah dina watesan (''y''<sub>''i''</sub> − ''f''(''x''<sub>''i''</sub>))<sup>2</sup>). Mangka mibanda persamaan keur kurva, ''y'' = ''f''(''x''), bentuk nu diperlukeun, nyaéta rangkep panghadenapanghadéna dina titik data(''x''<sub>''i''</sub>, ''y''<sub>''i''</sub>).
 
Keur fungsi [[linear|linier]] ''f'' tempo [[linear least squares|kuadrat leutik linier]].