概率论与数理统计第10章回归分析.pdfVIP

第十章 回归分析 回归分析的基本概念 一元线性回归 多元线性回归 §10.1 回归分析基本概念 一. 相关关系 1、函数关系 ——确定性 y=f (x )； 2、相关关系 —— 非确定性 Y =f (x , )， 其中为随机变量。 常把上述关系表为: Y =f (x ) +  相关关系式中最简单、最常用的一种是线 性回归, 即其中f (x ) =L (x ) = ax + b 的情形. 二、一元线性回归的数学模型 1、一元线性理论回归模型 y  x   0 1  2 （10.1.1 ）   ~ N (0,  ) 其中 x 为确定性部分， 、 为未知参数 0 1 0 1 2 、一元线性回归模型 对(x, y )作n次独立观察，得n组数据(x ,y )， i i 代入（10.1 ）得一元线性回归模型 y   x  i 0 1 i i  2 i 1, ,n （10.1.2 ）  ~ N (0,  ) 且相互独立, i ^ ^ 由(x , y ) 的值可作出 、 的估计 ,  i i 0 1 0 1 从而可得 ^ ^ ^ y   x 0 1 上述方程称为一元线性经验回归方程 （简称 回归方程） §10﹒2 一元线性回归 参数的最小二乘估计 模型线性性的检验 预测与控制 一、参数的最小二乘估计 考虑一元线性理论回归模型 y  x   0 1  2 (10. 2. 1)   ~ N (0,  ) 若我们对（x, y ）做n次独立的观察, 可获得 n组相互独立的观测值 (x ; y ), i 1, , n (10. 2. 2) i i 代入（10. 2.1 ）可得一元线性回归模型: y  x  i 0 1 i i  2 i 1, , n (10. 2. 3)  ~ N (0,  ) 且相互独立, i 1.  ,  的最小二乘估计 0 1 先讨论问题: 如何由(10. 2. 2)去估计(