Пусть случайная величина зависит от величины которая принимает значения , эти значения величины фиксированы, т.е. не являются случайными.
Обозначим через функцию, отражающую зависимость среднего значения(мат.ожидания) от значений :
Функция называется — линией регрессии на , а — уравнением регрессии.
После экспериментов, в которых последовательно принимает значения получим значения наблюдаемой величины , равные . Обозначим через разницу между наблюдаемой в -м эксперименте случайной величиной и её математическим ожиданием, таким образом:
где - ошибки наблюдения, равные в точности разнице между реальным и усредненным значением случайной величины при значении .
Вектор ошибок состоит из независимых и нормально распределённых случайных величин с одинаковой дисперсий и нулевым средним, т.е. ошибки должны соответствовать допущениям Гаусса-Маркова:
- мат.ожидание(среднее значение) равно нулю.
- дисперсия одинакова и не бесконечна.
- независимость величин.
Так как и одни и те же, то можно считать набор — элементарными событиями одной и тойже же случайной величины .
Дисперсия случайной величины :
И возвращаясь к: :
Предполагается, что функция полностью определяется неизвестными параметрами , т.е. .
Таким образом, получаем зависимость дисперсии ошибки от вектора неизвестных параметров :
Таким образом, дисперсия ошибки есть функция от вектора неизвестных параметров:
Требуется по значениям и как можно точнее оценить , точнее означает с минимальными ошибками, с минимальным разбросом(дисперсией), однако зависимость не должна быть просто построенной по точкам .
Предположим, что раз дисперсия ошибок , то имеет экстремум(минимум) на .