Citat:
Ursprungligen postat av
backflash1111
Du vill sätta a så att dina observationer Y_i är så "nära" den föreslagna modellen som möjligt, alltså
min sum[ (Y_i-0.5(1+a*cosv))^2 ]
Genom att derivera den summan m.a.p. a och sätt till 0 kan du lösa ut vad a ska vara
Tack så mycket!
Nu förstod jag och det fungerade alldeles utmärkt.
En till fråga, jag försöker att uppskatta hur bra fit lösningen är. Jag har genererat mina slumpmässiga observationer och placerat datan i ett histogram.
Om jag förstår det rätt är Chi^2 estimatorn sum[ (Y_i-0.5(1+a*cosv))^2 / sigma_i^2 ], där täljaren ju är lätt att beräkna utifrån datan jag har, men jag är osäker på sigma, dvs hur stort fel jag har per bin i mitt histogram. Är det rätt att använda Sqrt(n), där n är antalet observationer per bin, eller ska jag beräkna standarddeviationen för alla de värden som hamnar i samma bin? Det senare känns fel, för då blir ju felet mindre ju finare fördelning av bins man har och det borde ju vara tvärtom...