数理统计第三章 回归分析PPT.pptVIP

散点图 描述两个定量变量间关系的一个最有效 的方法是绘制两变量的散点图。散点图 包括横轴和纵轴。横轴（x轴）代表一 个变量，纵轴（y轴）代表另一个变量。 图中的点表示两个变量的一对观测值。 （一）一元线性回归 课件结束! 回归效果不显著的原因可能有以下几种： （1）影响Y取值的，除了x，还有其他不可忽略的因素； （2）E(Y)与x的关系不是线性关系，而是其他关系； （3）Y与x不存在关系。 采用最小二乘法估计参数 若原假设被拒绝，说明回归效果是显著的，否则，若接受原假设，说明Y与x不是线性关系，回归方程无意义。 例3 检验例1中回归效果是否显著，取α=0.05。 （五）回归系数b的置信区间 当回归效果显著时，常需要对回归系数b作区间估计。 （七）Y的观察值的点预测和预测区间 注：在预测时， 一定要落在已有的 的数据范围内部，否则预测常常没有意义。 例4，在例1中F.Galton曾断言“儿子身高会受到父亲身高的影响，但身高偏离父代平均水平的父亲，其儿子身高的影响有回归到子代平均水平的趋势。”试问例1这组数据能证实这一论断吗(α=0.05)?并给出x=69吋时,y的预测区间。 (1)回归到平均水平的趋势，即检验 例例5 合金钢的强度y与钢材中碳的含量x有密切关系。为了冶炼出符合要求强度的钢常常通过控制钢水中的碳含量来达到目的，为此需要了解y与x之间的关系。其中x：碳含量（％） y：钢的强度（kg/mm2）数据见下： 56.0 53.0 47.5 45.0 42.0 43.0 41.5 41.0 39.5 40.5 y 0.20 0.17 0.15 0.12 0.10 0.09 0.07 0.05 0.04 0.03 x （1）画出散点图；（2）设μ(x)=a+bx,求a,b的估计；（3）求误差方差的估计，画出残差图；（4）检验回归系数b是否为零（取α=0.05)；（5）求回归系数b的95％置信区间；（6）求在x=0.06点，回归函数的点估计和95％置信区间；（7）求在x=0.06点，Y的点预测和95％区间预测。 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 56 54 52 50 48 46 44 42 40 38 （1）合金钢的强度y与钢材中碳的含量x的散点图 56.0 53.0 47.5 45.0 42.0 43.0 41.5 41.0 39.5 40.5 y 0.20 0.17 0.15 0.12 0.10 0.09 0.07 0.05 0.04 0.03 x 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 56 54 52 50 48 46 44 42 40 38 合金钢的强度y与钢材中碳的含量x的回归直线图 （八）可化为一元线性回归的例子 （*） 实际中常会遇到很复杂的回归问题，但在某些情况下，通过适当的变量变换，可将其化为一元线性回归来处理。下面是三种常见的可转化为一元线性回归的模型。 结果为： §4 多元线性回归 在实际问题中，影响Y（因变量）的因素（自变量）往往不止一个，设有 * * * * 相关关系： 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