《数理统计》教案——回归分析.pdfVIP

第5 章 回归分析 第一节 回归分析的基本概念 数据按其取值分为两种类型： 1、定性数据：取值表示事物的属性、性质和类 别，不能进行数学上的运算。如性别、文化程度、 服务的满意程度. 2、定量数据：取值能进行数学上的所有运算。 类似地，有定性变量和定量变量. 研究变量间的相互关系是数学的一个永恒话题. 确定性关系 变量与变量之间的关系  相关性关系 一、确定性关系： 当自变量给定一个值时，就确定应变量的值 与之对应。 如：在自由落体中，物体下落的高度h 与下 落时间t之间有函数关系： 1 2 h gt 2 二、相关性关系： 变量之间的关系并不确定，而是表现为具有随机性的一 种“趋势”。即对自变量x 的同一值，在不同的观测中，因 变量Y可以取不同的值，而且取值是随机的，但对应x在一 定范围的不同值，对Y进行观测时，可以观察到Y随x 的变 化而呈现有一定趋势的变化。 如：身高与体重，不存在这样的函数可以由身高计算 出体重，但从统计意义上来说，身高者，体也重。 再如：父亲的身高与儿子的身高之间也有一定联系， 通常父亲高，儿子也高。 回归分析——研究相关性关系的最基本，应用最广泛的方法。 自变量： 定量、非随机 回归分析的变量类型  因变量：定量、随机变量 第二节 一元线性回归 设随机变量Y与x之间存在某种相关关系。 这里，x是可以控制或精确观测的变量 （不是随机变量）， 如年龄、试验时的温度、施加的压力、电压与时间等。 由于Y是随机变量，对于x的每个确定值，Y有相应的分布， 记其分布函数为F (y x) 。因此如果掌握了F (y x ) 随着x的取值 而变化的规律，也就完全掌握了Y与x之间的关系了。 然而这样做，实际中往往很难实现。作为一种近似，考察Y的 数学期望E (Y )（假设存在），其值随x的取值而定，它是x的函数， 将其记为(x )，称为Y 关于x的回归函数。于是将讨论Y 与x相关 关系问题转换为讨论E (Y ) (x)与x的关系问题了。 在实际问题中，回归函数μ(x)一般是未知的， 需要根据试验数据去估计。 对于x取定一组不完全相同的值x ,x ,...,x ,设分别 1 2 n 在x 处对Y 作独立观察得到样本(x ,Y )，i 1,2,...,n, i i i 对应的样本观察值(x , y ),(x , y ),...,(x , y ). 1 1 2 2 n n 将每对观察值(x , y )在直角坐标系中描出它相应的点 i i （称为散点图），可以粗略看出(x )的形式。 假设(x )为线性函数：(x ) a bx, 此时估计(x)的 问题称为求一元线性回归问题。  Y a bx   是随机误差，不可控制， 基本假设： 2  E () 0, D()  , 