Colby College

Linear Least Squares Curve Fitting

y
^
i
= f(x
i
) = m x
i
+ b

r
i
= y
i
y
^
i
= y
i
m x
i
b

S =

i=1
n
r
2
i
=

i=1
n
(y
i
mx
i
b)
2

S
m
b
= 0 = 2 (y
i
mx
i
b)(x
i
)

S
b
m
= 0 = 2 (y
i
mx
i
b)(1))

i=1
n
1= n

0 = y
i
x
i
m x
2
i
b x
i


0 = y
i
m x
i
b n


0 = ( y
i
x
i
m x
2
i
b x
i
)( x
i
)

0 = ( y
i
m x
i
b n)( x
2
i
)


0 = x
i
y
i
x
i
+ b ( x
i
)
2
+ x
2
i
y
i
bn x
2
i



b =
x
2
i
y
i
x
i
x
i
y
i
n x
2
i
( x
i
)
2
m =
n x
i
y
i
x
i
y
i
n x
2
i
( x
i
)
2




Standard Deviation of the Y Values
s
2
y
=
r
2
i
n 2


D = n x
2
i
( x
i
)
2










y
x









r
i
y
i
y
^
i
x
i
Colby College
Standard Deviation of the Fit Coefficients

Propagation of errors:
2
f =

f
x
2
y

2
x +

f
y
2
x

2
y

example: for the slope get the sum for each y
i
value:

2
m =

m
y
1
2

2
y
1
+

m
y
2
2

2
y
2
+ ...

with
2
y
i
= s
2
y
for each y data point:

2
m =

m
y
1
2
s
2
y
+

m
y
2
2
s
2
y
+ ...

2
m =

m
y
i
2
s
2
y

m
y
1
=
nx
1
x
i
D

m
y
1
2
=
n
2
x
2
1
2nx
1
x
i
+ ( x
i
)
2
D
2

m
y
i
2
=
n
2
x
2
i
2n x
i
x
i
+ n( x
i
)
2
D
2 ( x
i
)
2
= ( x
i
)
2
1 = n( x
i
)
2

m
y
i
2
=
n
2
x
2
i
n( x
i
)
2
D
2 =
nD
D
2

s
2
m
=
n
D
s
2
y
s
2
b
=
x
2
i
D
s
2
y


Correlation coefficient
y
av
=
y
i
n
y
^
= m x
i
+ b is the fit value

R
2
=
( y
^
y
av
)
2
(y
i

y
av
)
2


R =
n x
i
y
i
x
i
y
i
{n x
2
i
( x
i
)
2
}{n y
2
i
( y
i
)
2
}