Riassunto
Nel par. 9.6 abbiamo mostrato che il metodo dei minimi quadrati (metodo LS, Least Squares) discende dal principio di massima verosimiglianza (metodo ML, Maximum Likelihood) quando le variabili sono gaussiane.
È infine neccessario, dopo che tutte le condizioni del problema sono espresse in modo opportuno, determinare i coeficienti in modo da rendere gli errori il più semplice e più generale consiste nel minimizzare la somma dei quadrati degli errori. Adrian Legendre, Nuovi metodi per la determinazione delle orbite delle comete
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2012 Springer-Verlag Italia
About this chapter
Cite this chapter
Rotondi, A., Pedroni, P., Pievatolo, A. (2012). Minimi quadrati. In: Probabilità, Statistica e Simulazione. UNITEXT(). Springer, Milano. https://doi.org/10.1007/978-88-470-2364-2_10
Download citation
DOI: https://doi.org/10.1007/978-88-470-2364-2_10
Publisher Name: Springer, Milano
Print ISBN: 978-88-470-2363-5
Online ISBN: 978-88-470-2364-2
eBook Packages: Mathematics and StatisticsMathematics and Statistics (R0)