概率论与数理统计_回归分析.docVIP

第11章 回归分析 设为普通变量，为随机变量。如果当变化时，随着的变化大体上按某种趋势变化，则称与之间存在相关关系，即 例如，某地人均收入与某种商品的消费量之间的关系；森林中树木的断面直径与高度之间的关系；某种商品的价格与销售量之间的关系；施用氮肥、磷肥、钾肥数量，，与某种农作物产量之间的关系。 在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样点，要求由此建立变量之间的近似函数关系或得到样点之外的数据。我们确定的函数要求在某种距离意义下的误差达到最小（通常用最小二乘法，即考虑使各数据点误差平方和最小）。 由一个（或几个）普通变量来估计或预测某个随机变量的取值时，所建立的数学模型及所进行的统计分析称为回归分析。 §11.1 一元线性回归 假设有一批关于与的离散样点 集中在一条直线附近，说明与之间呈线性相关关系，即 称为一元线性回归模型。 一、模型中的参数估计 1、的估计 首先引进记号 按最小二乘法可得到 称为关于的一元线性回归方程。 2、的估计 例1、为研究某一化学反应过程中温度对产品得率的影响，测得数据如下。 ( ℃) 100 110 120 130 140 150 160 170 180 190 ( % ) 45 51 54 61 66 70 74 78 85 89 求出关于的一元线性回归方程。 解：先画出散点图如下 计算出 所求的回归方程是。 二、线性假设的显著性检验 即检验如下假设 ： ： 方法1：检验法 采用如下检验统计量： ，其中的 对一个小概率，若，则接受，即认为线性假设成立，所建立的线性回归方程正确。 例2、用检验法检验例1中的回归效果是否显著（？ 解： ，从而， 查表得，由于，说明回归效果是显著的。 方法2：检验法 采用如下检验统计量： ，其中， 对一个小概率，若，则接受，即认为线性假设成立，所建立的线性回归方程正确。 例3、用检验法检验例1中的回归效果是否显著（？ 解：， ，说明回归效果是显著的。 三、利用回归方程进行预测 所谓预测，就是利用建立的回归方程，对给定的值，去确定的值。 1、点预测 当时，的预测值是 2、区间预测 当时，的置信度为的预测区间是： 例4、求例1中温度 ℃时，产品得率的预测值和置信度为95%的预测区间。 解：预测值为 预测区间为 §11.2 非线性回归化为线性回归 在实际问题中，有些随机变量与普通变量之间不存在线性相关关系，而是存在非线性相关关系，这时便要建立非线性回归模型。在许多情况下，通过适当的变量转换，可将其转化为线性回归问题。 具体做法如下： 1、将样本数据，在直角坐标系中画出散点图； 2、根据离散样点的形状，推测与之间是何种非线性函数关系； 3、通过适当的变量转换，将其转化为线性函数关系； 4、用线性回归的方法建立回归方程、检验显著性、预测等； 5、返回到原来的函数关系，得到要求的非线性回归方程、预测值。 下面是一些常见的可线性化的曲线： （1）双曲线： （2）幂函数： （3）对数函数： （4）指数函数： （5）正弦曲线： （6）S型曲线： 以为例，我们只要作变换，就可化为线性函数。 例5、电容器充电后，电压达到100伏，然后开始放电，测得时刻（秒）时电压（伏）如下表。 （秒） 0 1 2 3 4 5 6 7 8 9 10 （伏） 100 75 55 40 30 20 15 10 10 5 5 （1）建立电压关于放电时间的回归方程； （2）检验回归方程的显著性（； （3）当时，给出的置信度为95%的预测区间。 解：（1）先画出散点图如下 由于离散样点落在曲线附近，可通过变量转换，化成线性函数 。原始数据作变换后，按线性回归算法来实现： ， ，从而。 所求的回归方程是。 （2）用检验法 查表得，由于，说明回归效果是显著的。 （3）当时，的置信度为95%的预测区间是 亦即当时，的置信度为95%的预测区间是 §11.3 多元线性回归 如果随机变量与固定变量之间有显著的线性相关关系，即 称为元线性回归模型。 一、模型中的参数估计 1、的估计 设通过实验或历史资料得到观测数据。令 由最小二乘估计，得 称为变量关于变量的线性回归方程。