بازگشت به فهرست مقالات

    Gauss and the invention of least squares

    Stephen M. Stigler
    📅 1981🏛 The Annals of Statistics, vol. 9, no. 3, pp. 465-474, DOI: 10.1214/aos/1176345451
    مسئله

    این مقاله به بررسی تاریخچه‌ی روش حداقل مربعات و نقش گاوس در ابداع آن می‌پردازد که پایه‌ی رگرسیون خطی است.

    روش

    نویسنده با مرور اسناد تاریخی و مکاتبات گاوس و لاپلاس، نشان می‌دهد که گاوس چگونه روش حداقل مربعات را کشف و به‌کار گرفته است.

    یافته

    گاوس در سال ۱۸۰۹ روش حداقل مربعات را برای حل مسائل نجوم و ژئودزی معرفی کرد که هنوز هم یکی از مهم‌ترین روش‌های آماری است.

    محدودیت‌ها

    مقاله عمدتاً تاریخی است و به جزئیات ریاضی مدرن نمی‌پردازد.

    کاربرد عملی

    روش حداقل مربعات در همه‌ی زمینه‌های علمی و مهندسی از جمله اقتصاد، پزشکی و یادگیری ماشین برای مدل‌سازی و پیش‌بینی استفاده می‌شود.

    📇 فلش‌کارت خلاصه — 13 فیلد تحلیلی برای این مقاله

    خلاصه

    این مقاله تاریخچه‌ی ابداع روش حداقل مربعات توسط گاوس را بررسی می‌کند که پایه‌ی رگرسیون خطی محسوب می‌شود.

    نمای سریع

    تاریخچه‌ی روش حداقل مربعات و نقش گاوس.

    یافته‌های کلیدی

    گاوس در سال ۱۸۰۹ روش حداقل مربعات را برای حل مسائل نجوم و ژئودزی معرفی کرد که هنوز هم یکی از مهم‌ترین روش‌های آماری است.

    هدف

    روشن کردن نقش گاوس در کشف روش حداقل مربعات و تأثیر آن بر علم.

    روش

    نویسنده با مرور اسناد تاریخی و مکاتبات گاوس و لاپلاس، نشان می‌دهد که گاوس چگونه روش حداقل مربعات را کشف و به‌کار گرفته است.

    نتایج

    نشان داده شد که گاوس اولین کسی بود که این روش را به‌طور منظم به‌کار گرفت.

    نتیجه‌گیری

    روش حداقل مربعات یکی از بنیادی‌ترین ابزارهای آماری است که تأثیر عمیقی بر علوم مختلف داشته است.

    مفاهیم کلیدی

    حداقل مربعات، رگرسیون، تاریخ آمار، گاوس

    مطالعه‌ی بیشتر

    https://projecteuclid.org/euclid.aos/1176345451

    تحلیل

    این مقاله یکی از منابع مهم برای درک ریشه‌های تاریخی روش‌های آماری است.

    محدودیت‌ها

    مقاله عمدتاً تاریخی است و به جزئیات ریاضی مدرن نمی‌پردازد.

    کارهای آینده

    نویسنده پیشنهاد کرد که تحقیقات بیشتری در مورد سهم سایر دانشمندان در توسعه‌ی این روش انجام شود.

    کاربرد عملی

    روش حداقل مربعات در همه‌ی زمینه‌های علمی و مهندسی از جمله اقتصاد، پزشکی و یادگیری ماشین برای مدل‌سازی و پیش‌بینی استفاده می‌شود.

    ارجاعات (این مقاله از این‌ها استفاده کرده) (0)

    ارجاعی ثبت نشده است.

    ارجاع‌شده توسط (0) ▶

    هنوز مقاله‌ای به این ارجاع نداده است.

    مسیر یادگیری پیش‌نیاز این مقاله