合金强度和碳含量回归分析.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
成 绩 评 定 表 学生姓名 王青松 班级学号 1009010215 专 业 信息与计算科学 课程设计题目 合金强度与碳含量的回归分析 评 语 组长签字: 成绩 日期 2012 年 06月 28 日 课程设计任务书 学 院 理学院 专 业 信息与计算科学 学生姓名 王青松 班级学号 1009010215 课程设计题目 合金强度与碳含量的回归分析 实践教学要求与任务: 通过该学生掌握统计分析 1.数据整理:数据,录入数据,画出图形数据的输入与整理,各种数据的图形显示。 方差分析 4.一元、多元模型:回归系数的估计与检验,数据散点与回归直线的图示,残差图。,对给定的数据拟合回归方程。 周三3~8节:调试程序 周四1~4节:完成论文,答辩 指导教师:张玉春 2012年6月28日 专业负责人: 2012年7月8日 学院教学副院长: 2012年7月19日 摘 要 数理统计是具有广泛应用的数学分支而区间估计和假设检验问题在其中占有很重要的地位正态总体期望和方差的区间估计和假设检验非正态总体期望和方差的区间估计和假设检验利用中心极限定理但实际问题中常常碰到非正态总体而且是小样本因此对它的区间估计和假设检验是一个值得研究的问题关于合金强度的线性回归方程,并MATLAB 与EXCEL软件对验数据进行分析处理,得出线性回归系数与拟合系数等数据,并用F检验法检验了方法的可行性,同时用分布参数和假设检验问题 关于合金强度的线性关系显著,并进行了深入研究提出了小样本分布参数的区间 关键词:统计量法;置信区间;假设检验;线性关系;回归分析 目 录 1 设计目的 1 2 设计原理 1 2.1 模型回归系数的估计 1 2.2 回归方程显著性检验 2 2.3 回归系数的置信区间 3 2.4 利用模型预测 3 3 设计问题 4 3.1 用matlab处理数据 4 3.2 excel处理数据 7 4 设计总结 12 参考文献 12 1 设计目的 了解一元回归方程,回归系数检验方法及应用一元回归方程进行预测的方法;学会应用MAATLAB软件进行一元回归实验的分析方法。 2 设计原理 在实际问题中,经常会遇到两个变量之间的相关关系的(即直线型),而是非线性的(即曲线形)。设其中有两个变量X与Y,我们可以确定一个函数关系式:y=(x) 大致的描述Y与X的相关关系,函数(x)称为Y关于X的回归函数,方程方程y=(x)称为Y关于X的回归方程。 一元回归处理的是两个变量x与y之间的线性关系,可以设想y的值有两部分构成:一部分是自由变量x的线性影响所致,表示x的线性函数a+bx;另一部分只有众多其他因素,包括随机因素影响所致,这一部分可以视为随机误差项,记为,可以得到一元线性回归模型 y=a+bx+······(1) 式中,自变量x是可以控制的随机变量,由于是随机误差,可根据中心极限定理,假定~N(0,),是未知参数。 确定Y与X的关系前,可根据散点图的形状,选择适当的曲线回归方程,而这些方程往往可以化为线性方程或者就是线性方程:y=a+bx 大致描述变量Y与X之间的关系。 2.1 模型回归系数的估计 为了估计回归系数,假定得到两个变量x与y的n个数据对(x,y),i=1,2,,···,n 我们将这n对观测值带入(1)式,得y=a+bx+, i=1,2,,···,n 这里,,···,是相互独立的随机变量,均服从正态分布即~N(0,),i=1,2,3,···,n 在一定意义下“最佳地”表现变量Y与X之间的相关关系,解决该问题,可以利用所谓的最小二乘法,即要求选取的a,b的值使得随机误差的平方和最小,即求使得函数Q(a,b)==取得最小值时的a,b。 由于Q(a,b)是a,b的二元函数,利用函数存在极值的必要条件,Q(a,b)分别对求a,b偏导数,并令其为0,构成二元一次方程组 , , 这里得到以下方程组 a 解此方程组得参数a,b的估计值 , 由观测数据和(i=1,2,,····,n)得到回归方程 带入,得到称为回归预测值。方程的直线称为回归直线。 2.2 回归方程显著性检验 建立一元线性回归方程当且仅当变量之间存在线性相关关系时才是有意义的,因此必须对变量之间的线性相关的显著性进行检验,即对建立的回归模型进行显著性检验。 我们首先引入几个概念: ,称为总偏差平方和,它表示观测值总的分散程度; ,称为回归平方和,它是由回归变量的变化引起的,放映了回归变量对变量线性关系的密切程度; ,称为残差(剩余)平方和,它是由观测误差等其他因素起误差,它的值越小说明回归方程与原数据拟合越好。 可以证

文档评论(0)

bhl0572 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档