Minste kvadraters metode
Minste kvadraters metode er en estimeringsmetode for å finne sammenhengen mellom en eller flere forklaringsvariabel og en responsvariabel. Minste kvadraters metode estimerer ved å finne en sammenheng mellom variablene som minimerer variansen. Variansen er kvadratet til avvikene mellom den observerte og den estimerte, derav navnet minste kvadraters metode.
Historie rediger
Kontekst rediger
Minste kvadraters metode har sine røtter i feltene astronomi og geodesi i det vitenskapsmenn og matematikere søkte å gi løsninger på utfordringene med å navigere på jordas hav i oppdagelsestiden. Den nøyaktige beskrivelsen av himmellegemenes atferd var nøkkelen til å få skip til å seile på åpent hav, der sjømenn ikke lenger kunne avhenge av observasjoner av land for å kunne navigere.
Metoden var den viktigste av flere framskritt som fant sted i løpet av 1700-tallet:[1]
- Kombinasjonen av forskjellige observasjoner foretatt under samme forhold i motsetning til ganske enkelt å forsøke sitt beste i å observere og registrere en enkelt observasjon nøyaktig. Tilnærmingen var på engelsk kjent som method of averages. Denne tilnærmingen ble brukt av Tobias Mayer mens han studerte månens librasjoner i 1750, og av Pierre-Simon Laplace i hans arbeid med å forklare forskjellene i Jupiter og Saturns bevegelser i 1788.
- Kombinasjonen av forskjellige observasjoner tatt under forskjellige forhold. Metoden kom til å bli kjent som method of least absolute deviation (minste absolutte avviks metode). Den ble utført av Roger Joseph Boscovich i hans arbeid med jordklodens form i 1757 og av Pierre-Simon Laplace for det samme problemet i 1799.
- Utviklingen av et kriterium som kan evalueres for å bestemme når løsningen med minimal feil har blitt oppnådd. Laplace prøvde å uttrykke en matematisk form for sannsynlighetstettheten for feilene og definere en metode for estimering som minimerer estimeringsfeilen. For dette formålet brukte Laplace en symmetrisk tosidig eksponentialfordeling som nå kalles Laplace-fordelingen for å modellere feilfordelingen, og brukte summen av det absolutte avviket som estimeringsfeilen. Han følte disse var de enkleste antakelsene han kunne ta, og han hadde håpet å oppnå det aritmetiske gjennomsnittet som det beste estimatet. Hans estimator var i stedet det som på engelsk kalles posterior median.
Referanser rediger
- ^ Stigler, Stephen M. (1986). The History of Statistics: The Measurement of Uncertainty Before 1900. Cambridge, MA: Belknap Press of Harvard University Press. ISBN 0-674-40340-1.