1. 研究目的与意义
最小二乘法在很多领域都的到了广泛的应用。
在研究两个变量之间的关系时，可以用回归分析的方法进行分析。
当确定了描述两个变量之间的回归模型后，就可以使用最小二乘法估计模型中的参数，进而建立经验方程。
2. 研究内容和预期目标
最小二乘法（又称最小平方法）是一种数学优化技术。
它通过最小化误差的平方和寻找数据的最佳函数匹配。
利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
3. 国内外研究现状
自19世纪初至本世纪中叶，可以说LSE统治了应用统计的多数领域，这一点到目前可以说仍基本成立.但近几十年来,LSE的统治地位已开始有所动摇，其原因有内在和外在的.内在的原因是，应用上的经验及理论研究表明:LSE有一些缺憾，在有些情况下表现不好；外在的原因是，其他方法的研究有了重大进展，尤其是快速计算机的应用，使一些以往由于计算困难而无法使用的方法，如今也得以使用.因此LSE已不再是唯一可能的选择。
4. 计划与进度安排
在处理上述问题的过程中,我们对在一定时期内,较为稳定的数据进行最小二乘进行趋势预测,分别对问题运用了一次、二次和三次三种不同的多项式拟合,通过得出的结果,我们可以知道在定范围内,当拟合的多项式次数较高时,多项式拟合的误差平方和小,则拟合的效果会较好。
相关系数能够揭示生活问题两组数据间的关系,再通过选取好的拟合函数,得到预测结果更加准确,从而更好制定方案。
撰写方案：1. 最小二乘法的引入1.1最小二乘法及其证明1.2最小二乘法的简单运用2. 不同领域的最小二乘法的推广2.1 广义的最小二乘法的介绍2.2 偏最小二乘法的介绍3. 最小二乘法的应用3.1 用最小二乘法求直线拟合3.2例题讲解4.致谢辞5.参考文献
5. 参考文献
[1] 高富德.最小二乘法的初等证明[J].玉溪师专学报,1989,4:1-2.[2] 李子奈，叶阿忠.高等计量经济学[M].清华大学出版社,2000，1：27-29.[3] 张金槐.线性模型参数估计及其改进[J].[4] 王武义，徐定杰，陈键翼.误差原理与数据处理[M].哈尔滨：哈尔滨工业大学出版社，2002.[5] 梁家辉.用最小二乘法进行直线拟合的讨论[J].工程物理,1995.[6] 李仲来.最小二乘法介绍[J].数学通报,1992（2）：42-45.[7] 陈希孺.数理统计学简史[M].湖南：湖南教育出版社,2002.[8] 韩国栋，武瑛.最小二乘法的研究型教学[J].科技信息,2010.[9] 宗殿瑞，宋文臣，刘朋振.最小二乘法应用探讨[J].青岛化工学院报,1998.[10] 王能超.数值分析简明教程[M].北京：高等教育出版社，1984.[11] 常彦妮.最小二乘统一原理[J].西安航空技术高等专科学校学报,2010.[12] 代恩华，齐玉霞.最小二乘法求最值问题的一种简便证明[J].聊城大学学报,2010.[13] 王晓光，安玉萍。
王菊.最小二乘估值的计算方法[J].吉林建筑工程学院学报, 2004
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
