概率论和数理统计 第五章第一节.pptVIP

求职应注意的礼仪 求职时最礼貌的修饰是淡妆 面试时最关键的神情是郑重 无论站还是坐，不能摇动和抖动 对话时目光不能游弋不定 要控制小动作 不要为掩饰紧张情绪而散淡 最优雅的礼仪修养是体现自然 以一种修养面对两种结果 必须首先学会面对的一种结果----被拒绝 仍然感谢这次机会，因为被拒绝是面试后的两种结果之一。 被拒绝是招聘单位对我们综合考虑的结果，因为我们最关心的是自己什么地方与用人要求不一致，而不仅仅是面试中的表现。 不要欺骗自己，说“我本来就不想去”等等。 认真考虑是否有必要再做努力。 必须学会欣然面对的一种结果----被接纳 以具体的形式感谢招聘单位的接纳，如邮件、短信 考虑怎样使自己的知识能力更适应工作需要 把走进工作岗位当作职业生涯的重要的第一步，认真思考如何为以后的发展开好头。 Thank you * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 对例题的回归系数进行显著性检验(?＝0.05) 提出假设 H0：b= 0 H1：b ? 0 计算检验的统计量 tt???（18）＝2.1009，拒绝H0，钢的强度 y 对 硬度 x的线性关系显著 注意：无论是F 检验还是 t 检验，不拒绝H0 只能得到因变量与自变量无线性关系，并不能 得到因变量与自变量无关系。 ?P 值的应用 P=0.000000?=0.05，拒绝H0，钢的强度 y 对 硬度 x的线性关系显著 (一) 分析因变量与自变量的关系 其中： 是估计的回归直线在 y 轴上的截距， 是直线的斜率，它表示对于一个给定的 x 的值， 是 y 的估计值，也表示 x 每变动一个单位时， y 的平均变动值 (边际分析) 五、回归方程 的应用 (二) 利用回归方程进行估计和预测 对于一个给定的 x0 的值，相应 y0 的估计值 1、点预测（ y0 的点预测） 例：在前面的例子中，回归方程为 2、在置信概率为1－ ?的区间估计：由于 假如我们要估计硬度为230时，相应强度的估计。根据估计的回归方程得： 在正态假设下 (2) 区间估计值 ( 称预测区间) y0 在 95% 置信水平下的置信区间为 硬度为230时，相应强度在81.66至93.06 例：在前面的例子中，回归方程为 假如我们要估计硬度为230时，相应强度的估计。根据估计的回归方程得： 结 束 * * * * * * * * * * * * * * 139 * * * * * * * * 24 This teleology is based on the number of explanatory variables nature of relationship between X Y. 推导过程：令 α ，? 的最小二乘估计　　　是　　　　　的 的最小值点。由于二次函数的极值点满足 而 即　　　满足正规方程 正规方程 解出 记 可表示为 2、 σ2 的估计 （1）残差及残差平方和 －残差 ＊残差及其平方和，其意义是 y 不被 x 解释的哪一部份 －残差平方和 ＊Q的计算 而 用 得 用 得 （2） σ2 的矩估计 而 故σ2的矩估计为 即 （3）计算方法： ① 列表计算 　由于ε~N( 0 ,σ2 ) ，有 　 合计 ② 计算 ③ 计算　　　，建立回归直线方程 回归直线方程 ④ 计算 例：钢的强度 y 和硬度 x都是反映钢质量的指标，研究两者之间关系，炼20炉中碳钢，其强度和硬度的20对试验值如表5－1。建立强度 y 和硬度 x的回归直线方程并估计σ2 。 解：（1）散点图 （2）计算结果： （2）计算结果 回归直线方程 （二）　　　　　的统计特征 1、 故 由于 故 （1） 　因为 （2） 在正态假设下有 （ ε~N( 0 ,σ2 ) ） 2、同理可得 在正态假设下 3、 故 （1） σ2的无偏估计为 （2） 在正态假设下，有 （三）回归方程的检验 1、用相关知识检验回归系数 的合理性 例如：如果 x 表示收入， y 表示支出 回归方程 经济学已经得到 如果不满足此条件，则回归方程无意义 （1）变差：因变量 y 取值是不同的，y 取值的这 种波动称为变差 (QT )。变差来源于两个方面： 由于自变量 x 的取值不同造成的 (QE ) 除 x 以外的其他因素(如x对y的非线性影响、测量误差等)的影响 (Q ) 2、 拟合优度检验 （2）离差平方和分解 总平方和 (QT) { 回归平方和 (QE) 残差平方