Quando queremos estimar parâmetros de regressão linear, fazemos equações normais até o modelo linear que contém número de incógnitas. Por que essas equações são chamadas de equações normais?
regression
least-squares
terminology
linear
Rashid Munir
fonte
fonte
Respostas:
Darei o que talvez seja o entendimento mais comum, depois alguns detalhes adicionais.
Normal é um termo em geometria (Wikipedia):
que, por sua vez, parece vir de um termo para a praça de um carpinteiro ou pedreiro [1]
e, a partir da geometria, o termo se move para os espaços vetoriais.
A resposta direta para "equações normais" é dada aqui: http://mathworld.wolfram.com/NormalEquation.html
(Na notação de regressão usual, ' é normal para o intervalo de ')Xy−Xb X
Literalmente, os mínimos quadrados residual é perpendicular (em ângulo recto) para o espaço gerado por .X
O vetor está em dimensões. A matriz X abrange desses (ou dependendo de como sua notação é configurada; se é de classificação completa, é o número de colunas de X). A solução de mínimos quadrados é o ponto mais próximo nesse espaço estendido por ao vetor (de fato, literalmente, a projeção de no espaço estendido por ). É necessariamente o caso em que, minimizando a soma dos quadrados, a diferença é ortogonal ao espaço medido porn p p + 1 X X β X Y Y X Y - X β Xy n p p+1 X Xβ^ X y y X y−Xβ^ X . (Se não fosse, haveria uma solução ainda menor.)
No entanto, como sugere whuber nos comentários, não é tão claro.
Olhando para [1] novamente:
No entanto, o método das equações normais é frequentemente creditado a Legendre, 1805.
[1] Miller, J. (ed) "Primeiros usos conhecidos de algumas das palavras da matemática, N" em Primeiros usos conhecidos de algumas das palavras da matemática
fonte