发布时间：
猜是猜不出这个方程的，如果说是建立，那根据什么建立呢？他应该是从一个普通的波动方程（机械波和电磁波），和德布罗意关系这两个条件凑出来的。普通的波动方程里面有用到波长这个物理量，但德布罗意指出，微观粒子和一个波联系有关系，这个波引导粒子前进（这是他的原始想法，并不是正统量子力学的解释）并且波的波长等于普朗克常量除以粒子的动量。于是，把普通波方程里面的波长参数代换成普朗克常数和粒子动量，经过数学整理，就可以得到薛定谔方程。薛定谔方程的获得，可以有很多方法。假如是生造出来的，肯定是不现实的，没有哪个天才能一下子创造一个方程说微观粒子符合这个条件，相反，薛定谔方程的获得是从以前的数学公式加上现在的新假说、新结果凑合、整理出来的。
1900年，马克斯·普朗克在研究黑体辐射中作出将电磁辐射能量量子化的假设，因此发现将能量与频率关联在一起的普朗克关系式。1905年，阿尔伯特·爱因斯坦从对于光电效应的研究又给予这关系式崭新的诠释：频率为ν的光子拥有的能量为hν；其中，因子h是普朗克常数。这一点子成为后来波粒二象性概念的早期路标之一。由于在狭义相对论里，能量与动量的关联方式类似频率与波数的关联方式，因此可以揣测，光子的动量与波长成反比，与波数成正比，以方程来表示这关系式， 路易·德布罗意认为，不单光子遵守这关系式，所有粒子都遵守这关系式。他于1924年进一步提出的德布罗意假说表明，每一种微观粒子都具有波动性与粒子性，这性质称为波粒二象性。电子也不例外的具有这种性质。电子是一种物质波，称为“电子波”。电子的能量与动量分别决定了伴随它的物质波所具有的频率与波数。在原子里，束缚电子形成驻波；这意味着他的旋转频率只能呈某些离散数值。这些量子化轨道对应于离散能级。从这些点子，德布罗意复制出玻尔模型的能级。在1925年，瑞士苏黎世每两周会举办一场物理学术研讨会。有一次，主办者彼得·德拜邀请薛定谔讲述关于德布罗意的波粒二象性博士论文。那段时期，薛定谔正在研究气体理论，他从阅读爱因斯坦关于玻色-爱因斯坦统计的论述中，接触德布罗意的博士论文，在这方面有很精深的理解。在研讨会里，他将波粒二象性阐述的淋漓尽致，大家都听的津津有味。德拜指出，既然粒子具有波动性，应该有一种能够正确描述这种量子性质的波动方程。他的意见给予薛定谔极大的启发与鼓舞，他开始寻找这波动方程。检试此方程最简单与基本的方法就是，用此方程来描述氢原子内部束缚电子的物理行为，而必能复制出玻尔模型的理论结果，另外，这方程还必须能解释索末菲模型给出的精细结构。很快，薛定谔就通过德布罗意论文的相对论性理论，推导出一个相对论性波动方程，他将这方程应用于氢原子，计算出束缚电子的波函数。因为薛定谔没有将电子的自旋纳入考量，所以从这方程推导出的精细结构公式不符合索末菲模型。他只好将这方程加以修改，除去相对论性部分，并用剩下的非相对论性方程来计算氢原子的谱线。解析这微分方程的工作相当困难，在其好朋友数学家赫尔曼·外尔鼎力相助下，他复制出了与玻尔模型完全相同的答案。因此，他决定暂且不发表相对论性部分，只把非相对论性波动方程与氢原子光谱分析结果，写为一篇论文。1926年，他正式发表了这论文。这篇论文迅速在量子学术界引起震撼。普朗克表示“他已阅读完毕整篇论文，就像被一个迷语困惑多时，渴慕知道答案的孩童，现在终于听到了解答”。爱因斯坦称赞，这著作的灵感如同泉水般源自一位真正的天才。爱因斯坦觉得，薛定谔已做出决定性贡献。由于薛定谔所创建的波动力学涉及到众所熟悉的波动概念与数学，而不是矩阵力学中既抽象又陌生的矩阵代数，量子学者都很乐意地开始学习与应用波动力学。自旋的发现者乔治·乌伦贝克惊叹，“薛定谔方程给我们带来极大的解救！”沃尔夫冈·泡利认为，这论文应可算是最重要的著作之一。薛定谔给出的薛定谔方程能够正确地描述波函数的量子行为。在那时，物理学者尚不清楚如何诠释波函数，薛定谔试图以电荷密度来诠释波函数的绝对值平方，可并不成功。1926年，玻恩提出概率幅的概念，成功地诠释了波函数的物理意义。但是薛定谔与爱因斯坦观点相同，都不赞同这种统计或概率方法，以及它所伴随的非连续性波函数坍缩。爱因斯坦主张，量子力学是个决定性理论的统计近似。在薛定谔有生的最后一年，写给玻恩的一封信中，他清楚地表示他不接受哥本哈根诠释。
你好，薛定谔方程是从自由粒子的波函数（复数形式）服从的方程猜想出来的，请参阅《量子力学导读》（浙江大学出版社）薛定谔方程是用算符化方法建立起来的,当然不是数学的逻辑地推导出来的,但只要找到合适的数学工具,不仅薛定谔方程可以推导出来,而且可以推导出单粒子体系和双粒子体系的相对论波动方程,当然这方面的研究成果尚未有人发表.我对量子论与狭义相对论的结合问题很有兴趣,事实上,在德布罗意那里量子论跟狭义相对论是触合的,德布罗意公式就是二者结合的产物.狭义相对论跟量子论的分离是从薛定谔那里开始的,克莱因和戈登沿着薛定谔的道路走下去,并试图纠正薛定谔对相对论的偏离,建立了相对论的克莱因-戈登方程,虽然此方程是有用的,但由于存在负几率困难,他们的工作没有成功.狄拉克继续沿此方向前进,他吸取了克莱因和戈登失败的教训,建立了著名的狄拉克方程,此方程竟然导出了电子的自旋,可惜只适用于单粒子体系.当他试图建立双粒子体系的相对论波动方程时,遇到很大困难,于是另擗途径,走量子场论的道路,在费曼等人的努力下,量子电动力学获得极大的成功.虽然量子场论的一般理论一度受到怀疑,由于杨-米耳斯场的引进,以及很多人的努力,弱电统一理论成功建立,使量子场论的成功达到了顶点.最近又有报到称量子场论的量子色动力学也取得了重大进展.因此,狭义相对论与量子论在量子场论中结合得如此成功,很自然使人们觉得在量子力学的框架内不可能使狭义相对论与量子论结合起来.但既然沿着薛定谔的道路即算苻化方法能建立起狄拉克方程,为什么就不能进一步沿此方向建立起双粒子体系的相对论波动方程呢?只要找到合适的数学工具并进行概念上的突破,就一定能实现这个目标.总之,量子论与狭义相对论一点都不矛盾,不仅在德布罗意那里,在狄拉克那里,在量子场论那里结合得很好,在量子力学的框架内也一定能结合起来,只要我们找到合适的数学工具.在我发表这个贴子的时侯,这样的数学工具其实我早已找到,并且已经建立了双粒子体系的相对论波动方程
从经典力学是推不出来的， 薛定谔方程是量子力学最基本的方程。 采用费曼的路径积分理论或者海森堡的矩阵力学，那么可以从量子力学导出薛定谔方程的。有时间，我帮你写写。
在1926年1月份的论文中，建立并用经典力学的哈密顿—雅可比方程和变分方法求解了氢原子的定态薛定谔方程、能级公式，用本征值代替了原来的玻尔—索末菲量子化条件，从而把量子化问题归结为本征值问题，这正是薛定谔建立波动力学的一条具有创造性的主线和突破口；在2月份的论文中，他建立并求解了含时薛定谔方程，还通过经典力学与几何光学的类比阐述了波动力学和波函数的意义；5月、6月发表的论文详细叙述了与时间无关的薛定谔微扰理论和含时间的薛定谔微扰理论。
为什么要研究那个变态的理论==在这个理论里面，存在三个主体。一，实验者，你，二，实验对象，猫，三，客观因素，假设是我（取代原子衰变）。现在我有一个盒子，里面装了一只猫，我让你猜那只猫是活的是死的，你猜活的，我就弄死那只猫，你猜是死的，我就让那猫活着出来，当然可以是你认为那只猫是活的，我就让那猫活，你认为那只猫是死的，我就弄死它，而且，这猫也可能不受我影响，突然死了，或者怎么弄也不死。在猫没有从盒子里面拿出来的时候，我们了解到的是，放进盒子的时候，猫是活着的。而把猫拿出来之后，我们也可以确切的知道，猫活着，或者死了这两种结果。可是猫在盒子中的时候，因为你的不确定，还存在我的潜在影响，还有猫自身的未知，整体来说，那只命悬一线的猫，就是一个实验牺牲品，实验不结束，它就可以一直活着，可是实验如果需要结束了，它到底是活着还是死了，就不好说了。所以，在你举例的时候，你考虑到，我手里有一个硬币，让你猜，是有，还是没有，你说你是不确定的，可是你没有考虑到，我可能会根据你的判断，作弊。你可以想象一下，让你猜硬币的人，是刘谦，他在你面前将一枚硬币，放在手里面，然后让你猜，硬币还在不在。首先确定的是，硬币是在你眼前放在他手里面的，在放置的一瞬间，硬币是存在的。可是他把手打开的时候，结果可存在，也可能消失，可能跟你预测的结果，一样，也可能正好相反。薛定谔的猫，是一场允许出千的博弈。而且薛定谔的猫，一般都很强调活体样本的。比如实验题是猫，而不是说。某一个化学反应，如果条件充足，他就能够成功，如果条件不充足，就不能成功，可是在一个潜在条件充足可能性的环境下，我们并不能确切的预见到实验是否成功，我们之知道，实验对象在放置进入那个环境的放置时，他还是他本身，不明确他是不是会随着实验的成功或者失败，状态有所改变。薛定谔的猫，是很强调那只猫的==薛定谔是个大变态，哼。
主要上说，是你的切入点错了，薛定谔的猫讨论的是量子理论中态叠加的问题，整个问题是客观的，而引入的猫是薛定谔主观的想法，也可以是猪啊狗啊什么的，至于其中动物的死活则是实验结果的一个客观事实，没有打开箱子之前客观上就是不知道是死是活。再看一下百度百科吧：把一只猫放进一个封闭的盒子里，然后把这个盒子连接到一个包含一个放射性原子核和一个装有有毒气体的容器的实验装置。设想这个放射性原子核在一个小时内有50%的可能性发生衰变。如果发生衰变，它将会发射出一个粒子，而发射出的这个粒子将会触发这个实验装置，打开装有毒气的容器，从而杀死这只猫。根据量子力学，未进行观察时，这个原子核处于已衰变和未衰变的叠加态，但是，如果在一个小时后把盒子打开，实验者只能看到“衰变的原子核和死猫”或者“未衰变的原子核和活猫”两种情况。薛定谔在1935年发表了一篇论文，题为《量子力学的现状》，在论文的第5节，薛定谔描述了那个常被视为恶梦的猫实验：哥本哈根派说，没有测量之前，一个粒子的状态模糊不清，处于各种可能性的混合叠加。比如一个放射性原子，它何时衰变是完全概率性的。只要没有观察，它便处于衰变/不衰变的叠加状态中，只有确实地测量了，它才会随机的选择一种状态而出现。那么让我们把这个原子放在一个不透明的箱子中让它保持这种叠加状态。现在薛定谔想象了一种结构巧妙的精密装置，每当原子衰变而放出一个中子，它就激发一连串连锁反应，最终结果是打破箱子里的一个毒气瓶，而同时在箱子里的还有一只可怜的猫。事情很明显：如果原子衰变了，那么毒气瓶就被打破，猫就被毒死。要是原子没有衰变，那么猫就好好地活着。 如果我们不揭开密室的盖子，根据我们在日常生活中的经验，可以认定，此猫或者死，或者活。这是她的两种本征态。但是，如果我们用薛定谔方程来描述薛定谔猫，则只能说，她处于一种活与不活的叠加态。我们只有在揭开盖子的一瞬间，才能确切地知道此猫是死是活。此时，猫的波函数由叠加态立即收缩到某一个本征态。量子理论认为：如果没有揭开盖子，进行观察，我们永远也不知道此猫是死是活，她将永远到处于半死不活的叠加态。这与我们的日常经验严重相违，要么死，要么活，怎么可能不死不活，半死半活？
“薛定谔的猫”理论指要认识量子行为的一个现象：观测。微观物质有不同的存在形式，即粒子和波。通常，微观物质以波的叠加混沌态存在；一旦观测后，它们立刻选择成为粒子。
薛定谔的猫是由奥地利物理学家薛定谔于1935年提出的有关猫生死叠加的著名思想实验，是把微观领域的量子行为扩展到宏观世界的推演。
实验是这样的：在一个盒子里有一只猫，以及少量放射性物质。之后，有50%的概率放射性物质将会衰变并释放出毒气杀死这只猫，同时有50%的概率放射性物质不会衰变而猫将活下来。
根据经典物理学，在盒子里必将发生这两个结果之一，而外部观测者只有打开盒子才能知道里面的结果。在量子的世界里，当盒子处于关闭状态，整个系统则一直保持不确定性的波态，即猫生死叠加。
猫到底是死是活必须在盒子打开后，外部观测者观测时，物质以粒子形式表现后才能确定。这项实验旨在论证量子力学对微观粒子世界超乎常理的认识和理解；
可这使微观不确定原理变成了宏观不确定原理，客观规律不以人的意志为转移，猫既活又死违背了逻辑思维。
参考资料：百度百科--薛定谔的猫
非齐次线性方程组，其常数项(即不含有未知数的项)不全为零的线性方程组，如：x+y+z=12x+y+z=3x+2y+2z=4齐次线性方程组，常数项全部为零的线性方程组 ，如：x+y+z=02x+y+z=0x+2y+2z=0
线性代数（Linear Algebra）是数学的一个分支，它的研究对象是向量，向量空间（或称线性空间），线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题；因而，线性代数被广泛地应用于抽象代数和泛函分析中；通过解析几何，线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型，使得线性代数被广泛地应用于自然科学和社会科学中。线性代数的主要内容是研究代数学中线性关系的经典理论。由于线性关系是变量之间比较简单的一种关系，而线性问题广泛存在于科学技术的各个领域，并且一些非线性问题在一定条件下 , 可以转化或近似转化为线性问题，因此线性代数所介绍的思想方法已成为从事科学研究和工程应用工作的必不可少的工具。尤其在计算机高速发展和日益普及的今天，线性代数作为高等学校工科本科各专业的一门重要的基础理论课，其地位和作用更显得重要。 线性代数主要研究了三种对象：矩阵、方程组和向量.这三种对象的理论是密切相关的，大部分问题在这三种理论中都有等价说法.因此，熟练地从一种理论的叙述转移到另一种去，是学习线性代数时应养成的一种重要习惯和素质.如果说与实际计算结合最多的是矩阵的观点，那么向量的观点则着眼于从整体性和结构性考虑问题，因而可以更深刻、更透彻地揭示线性代数中各种问题的内在联系和本质属性.由此可见，只要掌握矩阵、方程组和向量的内在联系，遇到问题就能左右逢源，举一反三，化难为易. 一、注重对基本概念的理解与把握，正确熟练运用基本方法及基本运算。线性代数的概念很多，重要的有： 代数余子式，伴随矩阵，逆矩阵，初等变换与初等矩阵，正交变换与正交矩阵，秩（矩阵、向量组、二次型），等价（矩阵、向量组），线性组合与线性表出，线性相关与线性无关，极大线性无关组，基础解系与通解，解的结构与解空间，特征值与特征向量，相似与相似对角化，二次型的标准形与规范形，正定，合同变换与合同矩阵。 我们不仅要准确把握住概念的内涵，也要注意相关概念之间的区别与联系。 线性代数中运算法则多，应整理清楚不要混淆，基本运算与基本方法要过关，重要的有： 行列式（数字型、字母型）的计算，求逆矩阵，求矩阵的秩，求方阵的幂，求向量组的秩与极大线性无关组，线性相关的判定或求参数，求基础解系，求非齐次线性方程组的通解，求特征值与特征向量（定义法，特征多项式基础解系法），判断与求相似对角矩阵，用正交变换化实对称矩阵为对角矩阵（亦即用正交变换化二次型为标准形）。 二、注重知识点的衔接与转换，知识要成网，努力提高综合分析能力。 线性代数从内容上看纵横交错，前后联系紧密，环环相扣，相互渗透，因此解题方法灵活多变，学习时应当常问自己做得对不对？再问做得好不好？只有不断地归纳总结，努力搞清内在联系，使所学知识融会贯通，接口与切入点多了，熟悉了，思路自然就开阔了。 例如：设A是m×n矩阵，B是n×s矩阵，且AB＝0，那么用分块矩阵可知B的列向量都是齐次方程组Ax＝0的解，再根据基础解系的理论以及矩阵的秩与向量组秩的关系，可以有 r（B）≤n－r（A）即r（A）＋r（B）≤n 进而可求矩阵A或B中的一些参数上述例题说明，线性代数各知识点之间有着千丝万缕的联系，代数题的综合性与灵活性就较大，同学们整理时要注重串联、衔接与转换。 三、注重逻辑性与叙述表述 线性代数对于抽象性与逻辑性有较高的要求，通过证明题可以了解考生对数学主要原理、定理的理解与掌握程度，考查考生的抽象思维能力、逻辑推理能力。大家复习整理时，应当搞清公式、定理成立的条件，不能张冠李戴，同时还应注意语言的叙述表达应准确、简明。
非齐次线性方程组Ax=b的求解方法：1、对增广矩阵作初等行变换,化为阶梯形矩阵；2、求出导出组Ax=0的一个基础解系；3、求非齐次线性方程组Ax=b的一个特解（为简捷,可令自由变量全为0）4、按解的结构 ξ（特解）+k1a1+k2a2+…+krar（基础解系） 写出通解.注意：当方程组中含有参数时,分析讨论要严谨不要丢情况,此时的特解往往比较繁.【分析】按照非齐次线性方程组的求解方法一步一步来解答对增广矩阵作初等行变换,化为阶梯形1 -1 1 -1 10 0 -2 2 -10 0 0 0 0r（A）=2,基础解系的解向量有4-2=2个令x2=1,x4=0,得x1=1,x3=0 令x2=0,x4=1,得x1=0,x3=1 得到基础解系a1=（1,1,0,0）T a2=（0,0,1,1）T再求方程组的一个特解令x2=x4=0,得x1=1/2,x3=1/2 ξ=（1/2,0,1/2,0）T所以通解为 ξ+k1a1+k2a2,k1,k2为任意常数newmanhero 2015年1月18日11:33:17希望对你有所帮助,
原方程化为e^x=2-x^2，利用函数图象知只能有一个正根。两边同时取自然对数，x=ln(2-x^2)故迭代格式为X(n+1)=ln[2-(Xn)^2](因为该数列若收敛，则上方程有唯一根，且根为该数列的极限)，迭代初始值在1到√2之间选 （迭代法） 定理：迭代函数f(x)在区间[a，b]上满足f(x)∈[a，b],且在[a,b]上有连续导数f'(x),满足|f'(x)| 一元非线性方程的牛顿迭代公式和原理 以一元非线性方程 f(x)=0 为例，对函数 f(x)进行Taylor级数展开（只展开至线性项）得 f(x) = f(x0)+f'(x0)(x-x0) 所以方程可写成 f(x0)+f'(x0)(x-x0) = 0 其中x0是给定的已知值，则不难推导出方程的解（当然，只是近似解，毕竟Taylor展开过程中只取了线性项） x = x0 - f(x0) / f'(x0) 其中x不是真实解，但是相比之前的x0更靠近真实解了，因此可以多重复几次上述过程，从而使得到的解非常接近准确值。所以，对于一元非线性方程，牛顿拉夫逊迭代公式为： x(k+1) = x(k) - f(x(k))/ f'(x(k)) 根据Taylor级数的几何意义我们可以从几何上形象的看牛顿迭代法的求解f(x)=0的过程。第一次迭代x1 = x0 - f(x0)/ f'(x0)，其中f(x0)/ f'(x0)的几何意义很明显，就是x0到x1的线段长度（这可以从直角三角形的知识得到）。第二次迭代x2= x1 - f(x1)/ f'(x1)，其中f(x1)/ f'(x1)的几何意义很明显，就是x1到x2的线段长度。同理可以进行第三次迭代第四次迭代，可以明显的看出x的取值在不断逼近真实解x*。 function x=Newton(fname,dfname,x0,e,N)%用途：Newton迭代法解非线性方程f(x)=0%fname和dfname分别表示f(x)及其导函数的M函数句柄或内嵌函数表达式%x0为迭代初值，e为精度（默认值1e-7）%x为返回数值解，并显示计算过程，设置迭代次数上限N以防发散（默认500次）%实例：解方程ln(x+sin(x))=0%在matlab窗口中输入：Newton(@(x)log(x+sin(x)),@(x)(1+cos(x))/(x+sin(x)),)if nargin<5,N=500;endif nargin<4,e=1e-7;endx=x0;x0=x+2*e;k=0;fprintf('x[%d]=%\n',k,x)while abs(x0-x)>e&&k 课题不是很难，之前遇见过，可，。，解决 硕士论/文。可以交给我来写 问题一：多元线性回归分析论文中的回归模型怎么分析 根据R方最大的那个来处理。（南心网 SPSS多元线性回归分析） 问题二：谁能给我列一下多元线性回归分析的步骤，这里正在写论文，第一部分是研究方法，多谢 10分 选题是论文写作关键的第一步，直接关系论文的质量。常言说：“题好文一半”。对于临床护理人员来说，选择论文题目要注意以下几点：（1）要结合学习与工作实际，根据自己所熟悉的专业和研究兴趣，适当选择有理论和实践意义的课题；（2）论文写作选题宜小不宜大，只要在学术的某一领域或某一点上，有自己的一得之见，或成功的经验．或失败的教训，或新的观点和认识，言之有物，读之有益，就可以作为选题；（3）论文写作选题时要查看文献资料，既可了解别人对这个问题的研究达到什么程度，也可以借鉴人家对这个问题的研究成果。 需要指出，论文写作选题与论文的标题既有关系又不是一回事。标题是在选题基础上拟定的，是选题的高度概括，但选题及写作不应受标题的限制，有时在写作过程中，选题未变，标题却几经修改变动。 问题三：用SPSS做多元线性回归，之后得到一些属于表格，该怎样分析这些数据？ 200分 你的分析结果没能通过T检验，这可能是回归假设不满足导致的，需要进一步对数据进行验证，有问题可以私信我。 问题四：过于多元线性回归分析，SPSS操作 典型的多重共线。 多元回归分析中，一定要先进行多重共线检验，如VIF法。 对于存在多重共线的模型，一个办法是逐步回归，如你做的，但结果的删除变量太多，所以，这种方法效果不好。 此外，还有其它办法，如岭回归，主成分回归，这些方法都保留原始变量。 问题五：硕士毕业论文中做多元线性回归的实证分析，该怎么做 多元线性，回归，的实证分析 问题六：用SPSS做多元回归分析得出的指标结果怎么分析啊？ 表一的r值是复相关系数，r方是决定系数，r方表示你的模型可以解释百分之多少的你的因变量，比如你的例子里就是可以解释你的因变量的百分之八十。很高了。表二的sig是指你的回归可不可信，你的sig是0。000，说明在的水平上你的模型显著回归，方程具有统计学意义。表三的sig值表示各个变量在方程中是否和因变量有线性关系，sig越大，统计意义越不显著，你的都小于，从回归意义上说，你这个模型还蛮好的。vif是检验多重共线性的，你的vif有一点大，说明多重共线性比较明显，可以用岭回归或者主成分回归消除共线性。你要是愿意改小，应该也没关系。 ppv课，大数据培训专家，随时随地为你充电，来ppv看看学习视频，助你成就职场之路。更有精品学习心得和你分享哦。 问题七：如何对数据进行多元线性回归分析？ 5分 对数据进行多元线性回归分析方法有很多，除了用pss ，可以用Excel的数据分析模块，也可以用Matlab的用regress（）函数拟合。你可以把数据发到我的企鹅邮箱，邮箱名为百度名。 问题八：经济类论文 多元线性回归 变量取对数 40分 文 多元线性回归 变量取对数 知道更多 多了解 线性回归方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一，应用十分广泛。 一、概念 线性回归方程中变量的相关关系最为简单的是线性相关关系，设随机变量与变量之间存在线性相关关系，则由试验数据得到的点，将散布在某一直线周围。因此，可以认为关于的回归函数的类型为线性函数。 分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 二、计算方法 线性回归方程公式求法： 第一：用所给样本求出两个相关变量的(算术）平均值： x_=(x1+x2+x3+...+xn)/n y_=(y1+y2+y3+...+yn)/n 第二：分别计算分子和分母：（两个公式任选其一） 分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_ 分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2 第三：计算b：b=分子/分母 用最小二乘法估计参数b，设服从正态分布，分别求对a、b的偏导数并令它们等于零，得方程组解为 其中，且为观测值的样本方差.线性方程称为关于的线性回归方程，称为回归系数，对应的直线称为回归直线.顺便指出，将来还需用到，其中为观测值的样本方差。 先求x，y的平均值X，Y 再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX) 后把x，y的平均数X，Y代入a=Y-bX 求出a并代入总的公式y=bx+a得到线性回归方程 (X为xi的平均数，Y为yi的平均数) 三、应用 线性回归方程是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。这是因为线性依赖于其未知参数的模型比非线性依赖于其位置参数的模型更容易拟合，而且产生的估计的统计特性也更容易确定。 线性回归有很多实际用途。分为以下两大类： 如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y值。 给定一个变量y和一些变量X1,...,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。 在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。 不太一般的情况，线性回归模型可以是一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。像所有形式的回归分析一样，线性回归也把焦点放在给定X值的y的条件概率分布，而不是X和y的联合概率分布。一维线性回归方程毕业论文