高中残差的求法
残差计算公式：实际观察值与估计值（拟合值）之间的差。残差以δ表示。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话，可以将残差看作误差的观测值
在回归分析中，测定值与按回归方程预测的值之差(简单的说，残差也就是指实际观察值与回归估计值的差), 以δ表示。残差δ遵从正态分布N(0，σ2)。（δ-残差的均值）/残差的标准差，称为标准化残差，以δ*表示。δ*遵从标准正态分布N(0，1)。
实验点的标准化残差落在(-2，2)区间以外的概率≤0.05。
若某一实验点的标准化残差落在(-2，2)区间以外，可在95%置信度将其判为异常实验点，不参与回归线拟合。 所谓残差是指实际观察值与回归估计值的差。 显然，有多少对数据，就有多少个残差。残差分析就是通过残差所提供的信息，分析出数据的可靠性、周期性或其它干扰 。
求残差公式：y=x-1。残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话，我们可以将残差看作误差的观测值。
误差是测量测得的量值减去参考量值。测得的量值简称测得值，代表测量结果的量值。所谓参考量值，一般由量的真值或约定量值来表示。对于测量而言，人们往往把一个量在被观测时，其本身所具有的真实大小认为是被测量的真值。
残差计算思路如下：
先求出回归方程y=bx+a(b，a直接套公式即可)，然后把表格中每一个x值通过方程算出对应的每一个y值，最后与表格中的y值对应相减即可。
数据点和它在回归直线上相应位置的差异(Yi- yi)是随机误差的效应，称ei^=Yi- yi为残差。
关于残差的说明：
如果样本点和样本点之间的的残差比较大，需要确认在采集过程中是否有人为的错误。如果数据采集有错误，就予以纠正，然后再重新利用线性回归模型拟合数据；如果数据采集没有错误，则需要寻找其他的原因。
另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适，这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高。
