$$\left\{ \begin{matrix}
\frac{\partial S(b0,\ b1)}{\partial b_{0}\ } = \ \frac{\partial(\sum_{i = 1}^{n}(\ y\text{i\ } - \text{\ b}0\ - \ b1\text{\ x}\text{i\ }\ )^{2})}{\partial b_{0}} = \ - 2\sum_{i = 1}^{n}(\ y\text{i\ } - \text{\ b}0\ - \ b1\text{\ x}\text{i\ }) = 0 \\
\frac{\partial S(b0,\ b1)}{\partial b_{1}} = \ \frac{\partial(\sum_{i = 1}^{n}(\ y\text{i\ } - \text{\ b}0\ - \ b1\text{\ x}\text{i\ }\ )^{2})}{\partial b_{1}} = \ - 2\sum_{i = 1}^{n}{x_{i}(}\ y\text{i\ } - \text{\ b}0\ - \ b1\text{\ x}\text{i\ }) = 0 \\
\end{matrix} \right.\ $$
Po podzieleniu równania $\sum_{i = 1}^{n}{- nb_{0} - b_{1}\sum_{i = 1}^{n}{x_{i} = 0}}$ przez n otrzymujemy:
$b_{0} = \overset{\overline{}}{y} - \ b_{1}\overset{\overline{}}{x_{i}}$
Oraz z drugiego równania – po podstawieniu b0
$b_{1} = \ \frac{\sum_{i = 1}^{n}{\left( x_{i} - \overset{\overline{}}{x} \right)(y_{i} - \ \overset{\overline{}}{y}})}{\sum_{i = 1}^{n}\left( x_{i} - \overset{\overline{}}{x} \right)^{2}}$ = $\frac{\text{CV}}{\text{Sx}^{2}}$ kowariancja
Wariancja
Wariancja – element rozrzutu wyniku (średnia arytmetyczna kwadratów różnic od średniej arytmetycznej)
Klasyczna Metoda Najmniejszych Kwadratów:
określenia tego używamy w odniesieniu do metody szacowania parametrów strukturalnych modelu liniowego.