1樓：
需不需要這個假設是看你想用最小二乘估計來做什麼，想達到什麼目的。因為這假設不影響最小二乘估計的演算法，只影響統計性質結果。
如果只需要算出不偏均值和方差，不做區間估計或檢驗，有沒有這假設無所謂。但是做區間估計或檢驗的話，要看情況：
大樣本，只要符合 CLT 的假設，有沒有這假設都沒問題。
小樣本，資料符合這假設就方便，因為區間估計或檢驗只需要把正太分布標準化就可以方便檢驗。那如果資料不符合這假設的話，其實還是能做區間估計或檢驗的，只需要求出實際樣本分佈就可以做。但是不方便，因為樣本實際分布未必有方便的理論解，可能需要模擬、數值法（numerical method）估計分布。
2樓：太胖飛不動
小樣本經典ols需要，原因是為了得到引數的條件正態分佈，進而進行假設檢驗，大樣本條件下，本身擾動項會依分布收斂到正態，所以不需要假設了。
3樓：相模雄獅
不需要，你估計引數的時候不是解了乙個方程組求出來的嗎？沒用到任何假設。但是極大似然估計在構建似然函式的時候用到了隨機項的分布，這個需要正態假設，最小二乘法不需要
最大似然估計和最小二乘估計，為什麼在常用分布中的估計值是一樣的？
Leastsq 普通的最小二乘估計 least squares，LS 其實不在意是否是隨機過程還是確定性過程，只要建立了量測模型後，得到了量測矩陣，即可實現估計，其最優準則是估計偏差平方和最小，即沒有利用被估計物件的任何統計特徵，比如概率分布密度函式 觀測雜訊的特性等，一方面應用方便，但另一方面也不...
最小均方誤差和最小二乘有什麼區別？
糊鍋巴 LS是 最小二乘 MMSE 最小均方誤差 是兩種優化代價函式的準則，二者的理論基礎相當，主要區別是前者不使用統計量，後者使用統計量，乙個是統計意義,乙個是確定意義的。 twxtron 均值 均方誤差MSE 二乘法LS 其中 指樣本值，指樣本均值，指理論真值 指觀測值，指擬合值。三者的關係 均...
在解最小二乘問題上，ceres還有哪些改進點（lm為例），或者說如何寫出超越ceres的優化器？
範帝楷 沒想到還有人關注這個問題。本質上最小二乘法的求解公式是比較簡單的 這個公式是有解析解的 normal equation 這其實沒啥好說的，多數時候直接LLT就求解了，但是求解這個方程實際上是有兩個問題的 當 的維度足夠大時，求解速度很慢 當 的條件數很大時，的條件數將會更大 後者條件數是前者...