一元非线性回归.docVIP

一元非线性回归 非线性回归可用命令nlinfit,nlintool,nlpredci来实现． （1）回归可用以下命令之一： 1°确定回归系数的命令：[beta,r,J]=nlinfit(x,y,‘model’,beta0). 其中输入数据x,y分别为的矩阵和n维列向量．对一元线性回归，x为n维列向量；model是事先由m-文件定义的非线性函数；betra0是回归系数的初值．Beta是估计出的回归系数，r(残差)，J(Jacobian)矩阵是估计预测误差的数据． 2°非线性回归命令：nlintool(x,y,’model’,beta0.alpha). 其前4个参数的含义同前．alpha为显著性水平，缺省时为0.05．命令产生一个交互式的画面，画面中有拟合曲线和y的置信区间，通过左下方的export下拉式菜单，可以输出回归系数等． （2）预测和预测误差估计 [Y,DELTA]=nlpredci (‘model’,x,beta,r,J) 求由nlinfit或nlintool所得的回归函数在x处的预测值Y及预测值的显著性为1-alpha的置信区间：YDELTA． 例9.19 关于第八章中的例8.8，若已知钢包的原始容积是100，则钢包的容积与使用的次数的关系如表9-11，试用函数来拟合钢包使用次数与容积之间的关系． 数据表9-7 次数（x））））beta0=[10,3]; （3）求回归系数 [beta,r,J]=nlinfit(x,y,gang,beta0); beta 得结果：beta = 111.5039 -0.0902 即得回归模型为： （4）预测及作图 [YY,delta]=nlpredci(gang,x,beta,r,J); plot(x,y,k+,x,YY,r) 得实际值与回归曲线的图形，图8-13． 方法二：化为一元线性回归求解． 图8－13 在两边取自然对数，令便可把化为线性方程．命令如下： X=[ones(13,1),x]; [b,bint,r,rint,stats]=regress(log(y),1./X); b,bint,stats 得结果：b = 4.7141 -0.0903 bint = 4.7121 4.7161 -0.1001 -0.0805  stats = 0.9739 410.1674 0.0000 则a=exp(4.7141)＝111.5084，b=-0.0903 可以看出，两种方法的结果几乎一样．由于Stats中的第一个数据（相关系数）与1非常接近，第三个数据（与F对应的概率p）为0.0000，这说明回归模型的显著性非常好． 练习 1．同一生产面积上农作物单位产品的成本与产量间近似满足双曲线．试以以下数据求出对的回归曲线方程． x 5.67 4.45 3.84 3.84 3.73 2.18 y 17.7 18.5 18.9 18.9 18.3 19.1 2. 试用双曲线，对数曲线，以及幂函数曲线，分别求出例9.19钢包的容积与使用次数之间的关系，并说明哪个曲线更好． x=[10.98 11.13 12.51 8.40 9.27 8.73 6.36 8.50 7.82 9.14 8.24 12.91 11.88 9.57 10.94 9.58 10.09 8.11 6.83 8.88 7.68 8.47 8.86 10.38 11.08]; y=[35.3 29.7 30.8 58.8 61.4 71.3 74.4 76.6 70.7 57.5 46.4 28.9 28.1 39.1 46.8 48.5 59.3 70.0 70.0 74.5 72.1 58.1 44.6 33.4 28.6]; beta0=[10,3]; [beta,r,J]=nlinfit(y,x,gang,beta0) beta = 13.7827 -0.0823 r = Columns 1 through 10 0.1028 -0.2082 1.2624 -0.5430 0.5411 0.8159 -1.2989 1.0222 -0.1435 0.0900 Columns 11 through 20 -1.7236 1.