直線擬合指標公式

❶ EXCEL中計算線性擬合是用什麼公式啊！！！急急急，不勝感謝~~~回歸統計量用什麼公式

A1:A5-Y值
B1:B5-X值
截距=intercept(A1:A5,B1B5)
斜率=slope(A1:A5,B1B5)

❷ 通達信指標中有一個直線擬合指標（ZXNH），請問這個指標的源碼是什麼，這個指標有什麼用處。

這個指標是通達信加密指標，直線擬合指標是查找區間內的股價的最高價，最低價的一個指標,是屬於帶未來函數性質的一個指標,它所發出的信號會發生漂移。沒有具體源碼公式。

1、直線擬合指標是尋找階段內代表性高點、低點的工具；

2、直線擬合本身沒有預測功能，即不能利用直線擬合指標直接研判，但可以利用直線擬合指標輔助判斷頂背離、底背離等。

該指標在賦值以後就與DRAWLINE、DCLOSE、XMA等函數類似了，此時信號將發生偏移。這種特性完全是未來函數。

(2)直線擬合指標公式擴展閱讀：

通達信的市場應用：

在中國股票分析軟體領域，通達信的事業、研究開發的力量正處於鼎盛時期。公司一貫注重客戶服務和售後支持，制定了一套完整健全的客戶服務制度,開設了多個分支機構。憑借誠信嚴謹、始終如一的服務，贏得了業界廣泛認同。

現在，公司發展迅速，業務遍及全國30多個省市，90多家證券公司總部網上服務系統，600多個網上行情伺服器,證券營業部客戶600百多家。中央台、深圳台等知名媒體使用本公司的產品評解股市。

目前公司有員工近200人，其中武漢研發中心有160多人，其它為各分公司、辦事處人員。公司本科以上學歷佔95%以上，公司主要股東和技術領導均為碩士研究生，在學校期間及創業期間陸續出版了：DOS深入剖析、NOVELL內核研究、LINUX內核深入剖析等多本書籍，被相關學校推薦為教學用書。

通達信在證券分析領域、在證券網上電子商務領域，憑借其雄厚的技術實力及公司相對穩定、充足資產狀況，已經與其它公司在這些領域內拉開了距離。我們希望能為證券業的電子商務服務提供強有力的技術支撐及行業經驗保證。

❸ 擬合優度R2的計算公式

擬合優度R2的計算公式：R2=1-"回歸平方和在總平方和中所佔的比率；

R2的值越接近1，說明回歸直線對觀測值的擬合程度越好；反之，R²的值越小，說明回歸直線對觀測值的擬合程度越差。指回歸直線對觀測值的擬合程度。度量擬合優度的統計量是可決系數（亦稱確定系數）R²。R²最大值為1。

(3)直線擬合指標公式擴展閱讀：

R2衡量回歸方程整體的擬合度，是表達因變數與所有自變數之間的總體關系。R²等於回歸平方和在總平方和中所佔的比率，即回歸方程所能解釋的因變數變異性的百分比（在MATLAB中，R²=1-"回歸平方和在總平方和中所佔的比率"）。

實際值與平均值的總誤差中，回歸誤差與剩餘誤差是此消彼長的關系。因而回歸誤差從正面測定線性模型的擬合優度，剩餘誤差則從反面來判定線性模型的擬合優度。

統計上定義剩餘誤差除以自由度n–2所得之商的平方根為估計標准誤。為回歸模型擬合優度的判斷和評價指標，估計標准誤顯然不如判定系數R²。R²是無量綱系數，有確定的取值范圍(0—1)，便於對不同資料回歸模型擬合優度進行比較；

而估計標准誤差是有計量單位的，又沒有確定的取值范圍，不便於對不同資料回歸模型擬合優度進行比較。

❹ 線性回歸的擬合方程

線性回歸都可以通過最小二乘法求出其方程，可以計算出對於y=bx+a的直線。

擬合是推求一個函數表達式y=f(x)來描述y和x之間的關系，一般用最小二乘法原理來計算。用直線來擬合時，可以叫一次曲線擬合，雖然有點別扭；用二次函數來擬合時，可以叫拋物線擬合或二次曲線擬合，但不能說線性回歸。

用直線(y=ax+b)擬合時，得到的方程和一元線性回歸分析得到的方程是一樣的，但是擬合時可以人為指定函數參數形式，如b=0，而線性回歸分析目的則側重於描述y和x線性相關的程度，通常會同時計算相關系數、F檢驗值等統計參數。

求解方法

線性回歸模型經常用最小二乘逼近來擬合，但他們也可能用別的方法來擬合，比如用最小化「擬合缺陷」在一些其他規范里（比如最小絕對誤差回歸），或者在回歸中最小化最小二乘損失函數的乘法。相反，最小二乘逼近可以用來擬合那些非線性的模型。因此，盡管最小二乘法和線性模型是緊密相連的，但他們是不能劃等號的。

以上內容參考：網路-線性回歸方程

❺ 最小二乘法擬合直線的公式是什麼，如何推導的

∑(Yi-b-kXi)=0
∑(Yi-b-kXi)Xi=0

或∑Yi=nb-k∑Xi
∑YiXi=b∑Xi+k∑(Xi^2)

解得， k=(n∑YiXi-∑Yi∑Xi)/[n∑(Xi^2)-(∑Xi)^2]
b=[∑(Xi^2)∑Yi-∑Xi∑YiXi]/[n∑(Xi^2)-(∑Xi)^2] (或是，b=∑Yi/n-k∑Xi/n)
也可寫成，k=∑XiYi/∑(Xi^2)
b=￣Y-k￣X (￣Y表示Y的均值，￣X表示X的均值）

n為樣本容量，原理是利用殘差平方和最小來估計回歸系數。取最小值是利用殘差平方和的大小依賴於k、b的取值，對k、b求偏導並令其等於0。可得我最前面寫的方程組。
具體計算的確不好打出來，你原理大概懂得，再記住最後的結論直接用就可。一般題目不會讓你推導的。

❻ matlab如何做線性擬合

方法一

1、最常用的是多項式擬合，採用polyfit函數，在命令窗口輸入自變數x和因變數y。

❼ 謝謝，如何用excel進行最小二乘法直線擬合

LINEST 函數可通過使用最小二乘法計算與現有數據最佳擬合的直線,來計算某直線的統計值,然後返回描述此直線的數組.也可以將 LINEST 與其他函數結合使用來計算未知參數中其他類型的線性模型的統計值,包括多項式、對數、指數和冪級數.因為此函數返回數值數組,所以必須以數組公式的形式輸入.請按照本文中的示例使用此函數.
直線的公式為：
y = mx + b
- 或 -
y = m1x1 + m2x2 + ...+ b（如果有多個區域的 x 值）
其中,因變數 y 是自變數 x 的函數值.m 值是與每個 x 值相對應的系數,b 為常量.注意,y、x 和 m 可以是向量.LINEST 函數返回的數組為 {mn,mn-1,...,m1,b}.LINEST 函數還可返回附加回歸統計值.
語法
LINEST(known_y's,[known_x's],[const],[stats])LINEST 函數語法具有以下參數 （參數：為操作、事件、方法、屬性、函數或過程提供信息的值.）：
Known_y's 必需.關系表達式 y = mx + b 中已知的 y 值集合.
如果 known_y's 對應的單元格區域在單獨一列中,則 known_x's 的每一列被視為一個獨立的變數.
如果 known_y's 對應的單元格區域在單獨一行中,則 known_x's 的每一行被視為一個獨立的變數.
Known_x's 可選.關系表達式 y = mx + b 中已知的 x 值集合.
known_x's 對應的單元格區域可以包含一組或多組變數.如果僅使用一個變數,那麼只要 known_y's 和 known_x's 具有相同的維數,則它們可以是任何形狀的區域.如果使用多個變數,則 known_y's 必須為向量（即必須為一行或一列）.
如果省略 known_x's,則假設該數組為 {1,2,3,...},其大小與 known_y's 相同.
const 可選.一個邏輯值,用於指定是否將常量 b 強制設為 0.
如果 const 為 TRUE 或被省略,b 將按通常方式計算.
如果 const 為 FALSE,b 將被設為 0,並同時調整 m 值使 y = mx.
stats 可選.一個邏輯值,用於指定是否返回附加回歸統計值.
如果 stats 為 TRUE,則 LINEST 函數返回附加回歸統計值,這時返回的數組為 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}.
如果 stats 為 FALSE 或被省略,LINEST 函數只返回系數 m 和常量 b.

❽ 尊敬的各位老師: 請賜教通達信ZXNH直線擬合指標公式的擬合編寫法,可發私信給我,加謝500分。

我不是來拿分的！善意的提醒，不要把有限的精力浪費在無聊的技術指標上！

❾ 如何求出直線方程（擬合法）急用

下面是網路文庫的《物理實驗數據處理的直線擬合法》的結論，可直接使用：
假設你有n組數據（xi，yi），i從1到n，先分別求出x、y的平均值x0，y0；
然後求對（xi-x0）*（yi-y0）求和得M，再對（xi-x0）^2求和得到N，
再求出M/N，這是直線的斜率k；
然後求a=y0-kx0，這是直線的截距；
則所求方程就是y=kx+a

❿ 擬合度r2計算公式

擬合度r2計算公式：r^2=ess/tss。擬合優度（GoodnessofFit）是指回歸直線對觀測值的擬合程度。度量擬合優度的統計量是可決系數（亦稱確定系數）R2。R2最大值為1。R2的值越接近1，說明回歸直線對觀測值的擬合程度越好；反之，R2的值越小，說明回歸直線對觀測值的擬合程度越差。
提到回歸直線，首先要知道變數的相關性。變數與變數之間的關系常見的有兩類：一類是確定性的函數關系，像正方形的邊長a和面積S的關系；另一類是變數間確實存在關系，但又不具備函數關系所要求的確定性，它們的關系是隨機性的。當兩個相互關系的量具有這兩種變數關系的時候，就稱兩個變數具有相關關系。