1. Fitting (special modeling) 董小波 2009.11.25 预习 BR2003, Chap. 7

2. 最大似然原理下的最小二乘法 The Two premises of ML  LS (particularly the Gaussian-distribution assumption) Accounting for the measurement uncertainties (1) in the independent variables (2) in both axes The implementation [see svdfit.pro in IDL]

4. The essence of Chap.7 What is linear model? Eqns. 7.3, -- 7.7 Other minor points: For orthogonal polynomials, Legendre Poly., it’s ok to skim through them. Only see the reference of svdfit.pro. For the linearization of nonlinear functions, see Fig. 7.3, with particular notice on measurement errors.

6. 高估了小值端的误差

7. http://ustcastroph.blog.sohu.com/#tp_95a1b1f5a7a Case for Nov. 25 class 现有一个类星体光谱观测样本，红移在 0.45—0.8 之间，共 2092 个源。根据光谱，我 们可以测得 MgII λ2800A 发射线的半高全宽（ FWHM, 单位 km/s ），光度（ L_mgii ） 和等值宽度（ EW ）；可以测得类星体连续谱在 3000A 处的光度 [ L_3000= 3000A * L_lambda(3000); 单位 erg/s ] 。数据见 data_for_fitting_case.txt.zip 文件 (ftp://210.45.66.48/teaching/methods09/Course_Notes_and_Homeworks/fitting/) 。 请通过拟合拟合，得到 logL_mgii 和 logL_3000 之间的关系。 （ 1 ）， logL_3000 作为自变量 X, logL_mgii 作为因变量 Y; 两者均不考虑误差。 (2), logL_mgii 作为 X, logL_3000 作为 Y; 两者均不考虑误差。 (3) ， logL_3000 作为 X, logL_mgii 作为 Y; 考虑 Y 的测量误差。 (4) ， logL_mgii 作为 X, logL_3000 作为 Y; 考虑 Y 的测量误差。 (5, optional), logL_3000 作为自变量 X, logL_mgii 作为因变量 Y; 考虑 X 和 Y 的测量误差。 Tips: i. 可以登陆到 CfA 的 QSO server (85.199), 使用 IDL 等软件编程。可利用等 svdfit.pro, mpfit 软件包，等。 ii. 对于选作的（ 5 ），可以参考 Press et al. book, Section 15.3; 参考 IDL code, fitexy.pro 。 Case discussion Today

8. For the next class Read in advance chapters 8 and 9. Pay much time to finish the case, see: ftp://210.45.66.48/teaching/methods09/Course_Notes_and_Homeworks/fitting/ or http://ustcastroph.blog.sohu.com/ Advice: practice is more important than reading.