From c6c8a334aa7ea870cba28c462ed1121d52d17a20 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Konrad=20V=C3=B6lkel?= <konrad.voelkel@hhu.de>
Date: Thu, 13 Jul 2023 19:22:37 +0200
Subject: [PATCH] fix missing 1/n

---
 lineare-regression.ipynb | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/lineare-regression.ipynb b/lineare-regression.ipynb
index b1449b6..5846a33 100644
--- a/lineare-regression.ipynb
+++ b/lineare-regression.ipynb
@@ -34,7 +34,7 @@
     "Der Einfachheit halber sei $k=1$, d.h. $X_i$ eine univariate Variable.\n",
     "Wenn wir für $f$ die Klasse der konstanten Funktionen wählen, dann ist $f(X_i,\\beta) = \\beta_1$\n",
     "und wir suchen das $\\beta_1$, sodass $Y_i = \\beta_1 + \\epsilon_i$, also ein $\\beta_1$, welches für alle Werte $y_i$ den Abstand $d(\\beta_1, y_i) = y_i - \\beta_1$ minimiert.\n",
-    "Das ist der Fall für $\\texttt{mse}(y,\\beta_1) = \\sum_{i=1}^n (y_i - \\beta_1)^2$ minimal, d.h. $\\beta_1 = \\texttt{mean}(y)$.\n",
+    "Das ist der Fall für $\\texttt{mse}(y,\\beta_1) = \\frac{1}{n} \\sum_{i=1}^n (y_i - \\beta_1)^2$ minimal, d.h. $\\beta_1 = \\texttt{mean}(y)$.\n",
     "```\n",
     "\n",
     "```{admonition} Beispiel\n",
@@ -1072,7 +1072,7 @@
  ],
  "metadata": {
   "kernelspec": {
-   "display_name": "Python 3 (ipykernel)",
+   "display_name": "Python 3",
    "language": "python",
    "name": "python3"
   },
@@ -1086,7 +1086,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.8.10"
+   "version": "3.9.2"
   }
  },
  "nbformat": 4,
-- 
GitLab