Skip to main content

Die Methode der kleinsten Quadrate

  • Conference paper
Book cover Mathematische Statistik

Part of the book series: Die Grundlehren der mathematischen Wissenschaften ((GL,volume 87))

  • 120 Accesses

Zusammenfassung

Von der Astronomie und Geodäsie her ist GAuss auf das folgende Problem gekommen: Die wahren Werte ϑ1…, ϑr irgendwelcher physikalischer Konstanten (z.B. die Bahnelemente eines Planeten) seien unbekannt. Man habe nicht die Größen ϑ1…, ϑr selber beobachtet, sondern andere Größen x1,…,x n (z.B. die Koordinaten der Planetenörter zu verschiedenen Zeiten, von der Erde aus gesehen), deren wahre Werte ξ1,…,ξ n in bestimmter Weise von ϑ1…, ϑr abhängen:

$$ {\varepsilon _i} = {\varphi _i}\left( {{\vartheta _1},...,{\vartheta _r}} \right) $$
((1))

Welche Werte der Parameter ϑ i sind am besten in Übereinstimmung mit den Beobachtungen x1,…, x n ? Schon LAgrange hat den Vorschlag gemacht, die,,beste Überein-stimmung“dadurch zu definieren, daß die Summe der Fehlerquadrate

$$ Q = {\left( {{x_1} - {\varepsilon _1}} \right)^2} + \cdots + {\left( {{x_n} - {\varepsilon _n}} \right)^2} $$
((2))

zum Minimum gemacht wird. GAuss hat diesen Ansatz wahrscheinlichkeitstheoretisch begründet, indem er bemerkt, daß die Wahrscheinlichkeit, daß die beobachteten Werte x i zwischen t i −1/2 δt i und t i +1/2 δt i liegen, nach dem GAussschen Fehlergesetz für kleine δt i nahezu durch

$$ \delta W = {\sigma ^{ - 2}}{\left( {2\pi } \right)^{ - \frac{n}{2}}}\,\exp \left\{ { - \frac{1}{2}\frac{{{{\left( {{t_1} - {\varepsilon _1}} \right)}^2} + \cdots + {{\left( {{t_n} - {\varepsilon _n}} \right)}^2}}}{{{\sigma ^2}}}} \right\}\delta {t_1} \ldots \delta {t_n} $$
((3))

gegeben ist, sofern keine systematischen Fehler vorhanden sind und alle Beobachtungen dieselbe Streuung σ haben. Diese Wahrscheinlichkeit δW wird bei gegebenen t i und δt i am größten für diejenigen £ in der durch (1) definierten Teilmannigfaltigkeit des ξ-Raumes, welche die quadratische Form

$$ {\left( {{t_1} - {\varepsilon _1}} \right)^2} + \cdots + {\left( {{t_n} - {\varepsilon _n}} \right)^2} $$

zum Minimum machen. Setzt man hier für die t i die beobachteten Werte x i so erhält man gerade die Form (2). Die,,besten Wertevon ϑ1…, ϑr sind also nach GAuss diejenigen, welche dem beobachteten Ergebnis die größte Wahrscheinlichkeit verleihen.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 54.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 69.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Author information

Authors and Affiliations

Authors

Rights and permissions

Reprints and permissions

Copyright information

© 1971 Springer-Verlag Berlin Heidelberg

About this paper

Cite this paper

van der Waerden, B.L. (1971). Die Methode der kleinsten Quadrate. In: Mathematische Statistik. Die Grundlehren der mathematischen Wissenschaften, vol 87. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-64974-5_8

Download citation

  • DOI: https://doi.org/10.1007/978-3-642-64974-5_8

  • Publisher Name: Springer, Berlin, Heidelberg

  • Print ISBN: 978-3-642-64975-2

  • Online ISBN: 978-3-642-64974-5

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics