普通最小二乘法估计样本回归函数的原理是选择适当的参数值，以使样本的残差平方和最小。A. 正确B. 错误

普通最小二乘法（OLS）的核心原理在于通过最小化残差平方和来估计回归模型的参数。残差是观测值与模型预测值之间的差异，OLS通过调整参数，使得所有样本点的残差平方和达到最小。题目中的描述准确反映了这一核心思想，因此正确。

关键概念解析：

1. 残差：每个样本点的实际值与模型预测值之差，即 $e_i = y_i - \hat{y}_i$。
2. 残差平方和（RSS）：所有残差的平方之和，即 $\sum_{i=1}^n e_i^2$。
3. OLS的目标：通过选择参数 $\beta_0, \beta_1$，使得 $\sum_{i=1}^n (y_i - (\beta_0 + \beta_1 x_i))^2$ 最小。

结论：题目中“使样本的残差平方和最小”的描述完全符合OLS的定义，因此答案正确。