ScholarGate
Asszisztens
Regression model

Legendre-féle legkisebb négyzetek módszere (OLS)

A Legendre-féle legkisebb négyzetek módszere (OLS) a lineáris regressziós modell paramétereinek becslésére szolgáló kanonikus eljárás, amely a megfigyelt és a becsült értékek közötti különbségek négyzetösszegének minimalizálásával történik. Először Adrien-Marie Legendre publikálta 1805-ben, és Carl Friedrich Gauss (aki 1795-re vezette vissza) függetlenül fejlesztette ki. Az OLS a Gauss-Markov-tétel értelmében bizonyíthatóan optimális: feltételezései mellett a regressziós együtthatók legjobb lineáris torzítatlan becslőjét (Best Linear Unbiased Estimator, BLUE) adja.

Alkalmazás ezzel: StatMindHamarosanVideóHamarosanDiák letöltése

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Módszertérkép

A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.

Források

  1. Legendre, A.-M. (1805). Nouvelles méthodes pour la détermination des orbites des comètes. Firmin Didot, Paris. [Appendix: Sur la Méthode des moindres quarrés, pp. 72–80.] link
  2. Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Perthes & Besser, Hamburg. link
  3. Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
  4. Greene, W. H. (2018). Econometric Analysis (8th ed.). Pearson. ISBN: 978-0134461366

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Ordinary Least Squares Regression. ScholarGate. https://scholargate.app/hu/statistics/ordinary-least-squares

Melyik módszer?

Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.

Összehasonlítás egymás mellett

Hivatkozik rá

ScholarGateOrdinary Least Squares (Ordinary Least Squares Regression). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/statistics/ordinary-least-squares · Adatkészlet: https://doi.org/10.5281/zenodo.20539026