|
m Liklihood Estimator )를 이용하는 방법이 있다. JMP에서는 최소제곱법으로 회귀계수를 추정한다. 그러면 최소제곱법에 대해 살펴보도록 하자.
위 그림에서 임의로 그은 직선은 데이터와 얼마나 가까운가? 혹은 얼마나 먼가? 일단 그어진 직선으로
|
|
|
제곱법(method of least squares)은 x값의 오차보다 y값의 오차가 상당히 크다고 가정한다. 이런 조건은 대체로 맞고, 흡광도의 변화는 농도의 불확정도보다 보통 대단히 크다. 다음 그림에서 점가 선 사이의 수직편차를 최소화하는 이유는 x값의 불
|
|
|
결과들로부터 최확값(most probable value)를 구하라.
(4) 최소 제곱법 (또는 최소 자승법)을 이용하여 (1, 1), (2, 2), (3, 3.1), (4, 3.9), (5, 4.8), (6, 6.3)을 잇는 최적의 직선을 구하라. 1. 측정값의 유효숫자
2. 표준오차
3. 오차의 전파
4. 최소 제곱법
|
|
|
제곱법을 부활시킨 율의 연구로 이어진다. 이렇게 해서 19세기는 - 1820년대까지의 통계학사 시대배경
- 최소제곱법의 탄생
- 역확률과 정규분포의 탄생
- 1830년대 이후의 사회과학과 통계학사의 시대배경
- 케틀레의 성공과 실패
- 렉시
|
|
|
있다.)
(5) 두 평행판 사이의 판 내부 사이의 간격을 측정 한다
두 평행판 사이의 거리가 판 전체에 걸쳐서 일정한가를 육안으로 확인한다. 판이
휘어있거나 평행판 사이의 거리가 다르면 먼저 일정하게 한다.
(5) 전원 장치의 스위치를 ON으로
|
|
메뉴펼치기
