机组耗水率影响因素的回归分析报告方案.docVIP

机组耗水率影响因素的回归分析 摘 要 数理统计是具有广泛应用的数学分支，在生产过程和科学实验中，总会遇到多个变量，同一过程中的这些变量往往是相互依赖，相互制约的，也就是说他们之间存在相互关系，这种相互关系可以分为确定性关系和相关关系。变量之间的确定性关系和相关关系在一定条件下是可以相互转换的。本来具有函数关系的变量，当存在试验误差时，其函数关系往往以相关的形式表现出来相关关系虽然是不确定的，却是一种统计关系，在大量的观察下，往往会呈现出一定的规律性，这种函数称为回归函数或回归方程[1]。回归分析是一种处理变量之间相关关系最常用的统计方法，用它可以寻找隐藏在随机后面的统计规律。确定回归方程，检验回归方程的可信度等是回归分析的主要内容。按回归模型类型可划分为线性回归分析和非线性回归分析。 本文运用多元线性回归分析方法建立耗水率与出库流量、库水位的模型。首先收集数据并利用MATLAB软件[2]进行数据处理，作出散点图。分析图发现耗水率与出库流量、库水位有明显的线性关系。在此基础上假设并建立模型。对回归参数做点估计及区间估计，并作出显著性检验，发现显著效果良好，然后利用残差图[3]检验回归效果，发现异常点，进而改进模型，最后利用回归方程做点预测和区间预测。 关键词：相互关系；多元线性回归分析；线性回归方程；显著性检测 目录 1 设计目的 1 2 设计原理 1 2.1 线性回归方程的建立 1 2.2 参数估计 1 2.3 回归模型的假设检验 2 2.4 回归系数的假设检验和区间估计 3 2.5 利用回归模型进行预测 3 3 设计题目 3 4 实现过程 4 4.1 回归方程的确立 4 4.2 回归方程显著性检验 6 4.3 模型改进 7 4.4 回归预测 8 5 设计总结 11 参考文献 12 1 设计目的 为了进一步理解概率论与数理统计的基本概念、理论和方法，基本掌握MATLAB等具有统计分析 ，若 ；否则，拒绝。 65.10 15565 60.28 65.12 15540 60.10 65.17 15507 59.78 65.21 15432 59.44 65.37 15619 59.25 65.38 15536 58.91 65.39 15514 58.76 65.40 15519 58.73 65.43 15510 58.63 65.47 15489 58.48 65.53 15437 58.31 65.62 16355 57.96 65.58 14708 57.06 65.70 14393 56.43 65.84 14296 55.83]; % 做散点图 subplot(1,2,1),plot(A(:,1),A(:,3),+) xlabel(x1(库水位)) ylabel(y(耗水率)) subplot(1,2,2),plot(A(:,2),A(:,3),o) xlabel(x2(出库流量)) ylabel(y(耗水率)) 结果： 图4.1.1　散点图 从图中可以看到无论是库水位还是出库流量都与机组发电耗水率具有线性关系，因此，可以建立机组发电耗水率与库水位和出库流量的二元线性回归模型。 　　　　 再利用 MATLAB 统计工具箱中的回归分析命令[6]进行分析， 输入： [m,n]=size(A); y=A(:,3); x=A(:,1:2); [b,bint,r,rint,stats]=regress(y,[ones(m,1),x]); b,bint,stats 并得出结果： b =373.8698 -4.9759 0.0007 bint =340.0820 407.6577 -5.4642 -4.4875 0.0004 0.0009 stats =0.9863 468.4118 0.0000 0.0278 将结果整理得下表： 表4.1.1 回归模型的系数、系数置信区间与统计量 回归系数 回归系数估计值 回归系数置信区间 373.8698 [340.082 ,407.6577] -4.9759 [-5.4642 ,-4.4875 ] 0.0007 [0.0004,0.0009] = 0.9863，F= 468.4118，p0.0001， =0.0278 由此可得模型为： 4.2 回归方程显著性检验 拟合优度检验 相关系数，非常接近1，说明本模型对样本数据拟合较好，即解释变量“出库流量”、“库水位”对被解释变量“耗水率”的绝大部分差异做出了解释。 F检验 由