不同领域和模型里的权数有不同的定义。基本思想是通过给不同的回归数据加上一个反映“数据质量”或者“波动方差”的权数，让回归变成普通最小二乘。　

１。如果你用离散的数据点拟合直线或者曲线，权数（１／ｅ）一般是你数据点变化的标准差（前提是每个数据点变化的标准差不同）；
２。如果是拟合连续曲线，那么你需要找到数据变化的标准差随自变量的变化关系，然后归纳出这个变化函数的简单形势；

一般来说，加权最小二乘的权数没有具体性表达式和获取表达式的一般性过程。需要根据数据的特点自己归纳。这是为什么加权最小二乘在很多应用中有局限性。尤其当你得数据的＂ｖａｒｉａｎｃｅ＂随自变量呈现复杂变化的时候。至于如何归纳权数，不是几百字能说清楚地，你需要系统的看一下回归分析。

我的中文表达有些问题，具体细节建议你看看《ａｐｐｌｉｅｄ　ｒｅｇｒｅｓｓｉｏｎ》。

搜索ｗｅｉｇｈｔｅｄ　ｌｅａｓｔ　ｓｑｕａｒｅ，　ｇｅｎｅｒａｌ　ｌｅａｓｔ　ｓｑｕａｒｅ相关的介绍。网上有很多。

谢谢楼上二位~~~~

好心人还是挺多的！呵呵

好帖，学习