1. 线性数据拟合误差分析有哪些方法
我们可以想想微积分的基本理念是扒销什么？以直代曲。曲线的某一部分被无线拉大之后就是直线。你得到一列近乎直线的点，它可以就兆郑是线性关系，也可以只是曲线的一部分，这个曲线太小或是它的曲率不太大。所以单纯去想你提出的这个问题意义不大，因为我根本不知道这个模型是不是线性族此颂的。如果是一个未知的模型，非线性的可能性可能会大一点，但是我们并不能主观去臆测这个结果。而且一列点去做非线性拟合，可以做2次拟合，也可以做指数拟合。最好是根据你做出的这个拟合去验算一些其他的数据，预测到底是预测，终会有误差，没有具体模型，你这个问题没法怎么解答。
2. 线性数据拟合误差分析有哪些方法
曲线拟合一般方法包括： 1 用解析表达式逼近离散数据的方法 2 最小二乘法 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
3. 数值分析中，误差分析的方法与原则是什么
最大的、最小的先拿出来，出现频率高和低的也拿出来，再找找他们出现的规律，求方差、均值等等，那么一组数据的基本情况应该出来了。
4. 第二章：误差和分析数据处理
精密度（precision）：是平行测量的各测量值之间相互接近的程度。偏差表示数据的离散程度。
偏差表示方法：
系统误差的传递：
偶然误差的传递：极值误差法、标准偏差法
有效数字（significant figure）：指在分析工作中实际上能测量到的数字。
μ：总体平均值，无系统误差时是真值，集中趋势
σ：总体标准偏差，离散程度
标准正态分布曲线：
:总体平均值
S：样本平均偏差
t：
t分布权限随自由度f(f=n-1)而改变，当f趋近于 时，t分布就趋近于正态分布。
置信水平和显着性水平： 落在 内或外的概率
测量次数越多，t越小。
平均值的精密度可用平均值的标准偏差表示。平均值的标准偏差与测量次数n的平方根成反比。
平均值的置信区间：在一定置信水平P时，以测定结果x为中心，包括总体平均值 在内的可信范围。
若用多次测量的样本平均值 估计 的范围即：
公式右侧为样本平均值的置信区间，对于少量样本的 估计 的范围，需用t分布对其进行处理：
分析化学中通常取95%置信水平
舍弃商法：n=3~10，将数据按递增次序排序：
置信水平一般取90%
适用范围广，准确度高。计算包括可疑值在内的平均值、标准偏差。
在定量分析中常用t检验与F检验用于检验两组数据分析结果是否存在显着的系统误差与偶然误差。
如果t 说明存在显着性差异。
两组数据是指：一个试样由不同分析人员或者不同分析方法所得数据；两个试样含有同一成分由相同分析方法所得数据。
F检验是通过比较两组数据的方差，以确定他们的精密度是否存在显着性差异。
如F检验验证两组数据精密度无显着性差异，则可进行两组数据的均值是否存在系统误差的t检验。
称为合并标准偏差或者组合标准偏差。 和 可以不等但不能相差太大
若 ，说明两组数据存在显着性差异。注意自由度的计算：
注意事项：
统计数据处理基本步骤：可疑数据取舍、F检验、t检验
相关系数r：
r是一个介于0和 之间的数值，可以等于0或1。
用最小二乘法求处回归曲线的截距a和斜率b：
0.9~0.95:平滑
0.95~0.99：良好
0.99以上：很好