2010秋回归分析实验报告(电子版版式).docVIP

用刀削机床加工时，为实地调整机床需测定刀具的磨损速度，现每隔1小时测量刀具的厚度得到以下数据，试建立刀具厚度关于刀削时间的回归模型，对模型和回归系数进行检验，预测15小时后刀具的厚度。 时间（h） 0 1 2 3 4 5 6 7 8 9 10 刀具厚度(cm) 30.6 29.1 28.4 28.1 28.0 27.7 27.5 27.2 27.0 26.8 26.5 （1）输入数据并绘制刀具厚度关于刀削时间的散点图确定回归模型 x=[0 1 2 3 4 5 6 7 8 9 10] Y=[30.6 29.1 28.4 28.1 28.0 27.7 27.5 27.2 27.0 26.8 26.5] plot(x,Y,b+) （2）回归分析及检验 X=[ones(11,1) x] [b,bint,r,rint,stats]=regress(Y,X); b,bint,stats 得结果：b = 29.5455 -0.3291 bint = 28.9769 30.1140 -0.4252 -0.2330 stats = 0.8696 60.0018 0.0000 0.1985 （3）预测15小时后刀具的厚度 plot(x,Y,b+);x1=15; x=[x 20];z=b(1)+b(2)*x;z1=b(1)+b(2)*x1; hold on plot(x,z,r) hold on plot(x1,z1,go); 方程带入数据可得15小时后刀具厚度为24.6091（cm） 2． 一种合金在某种添加剂的不同浓度下，各做三次试验，得到数据如下表： 浓度x 10 15 20 25 30 抗压强度Y 25.2 29.8 31.2 31.7 29.4 抗压强度Y 27.3 31.1 32.6 30.1 30.8 抗压强度Y 28.7 27.8 29.7 32.3 32.8 （1）作散点图； （2）以模型拟合数据，并检验回归模型，诊断是否有异常点 1）散点图绘制程序及绘图 x=10:5:30; x=[x x x]; y=[25.2 29.8 31.2 31.7 29.4 27.3 31.1 32.6 30.1 30.8 28.7 27.8 29.7 32.3 32.8]; plot(x,y,+) axis([6 36 23 35]); （2） X=[ones(15,1) x x.^2]; [b,bint,r,rint,stats]=regress(y,X); b,stats rcoplot(r,rint) 得结果： b = 19.0333 1.0086 -0.0204 stats = 0.6140 9.5449 0.0033 拟合模型为： 从残差图看出无异常点。 3． 某人记录了21天中每天使用空调器的时间和使用烘干器的次数，并检测电表以计算每天的耗电量，数据见下表，试研究耗电量(KWH)与空调器使用的小时数（AC）和烘干器使用次数（DRYER）之间的关系，建立并检验回归模型，诊断是否有异常点。 要求：将数据先存成一个xls文件。程序中将数据从该文件中读入Matlab。 序号 KWH AC DRYER 序号 KWH AC DRYER 1 35 1.5 1 12 65 8 1 2 63 4.5 2 13 77 7.5 2 3 66 5 2 14 75 8 2 4 17 2 0 15 62 7.5 1 5 94 8.5 3 16 85 12 1 6 79 6 3 17 43 6 0 7 93 13.5 1 18 57 2.5 3 8 66 8 1 19 33 5 0 9 94 12.5 1 20 65 7.5 1 10 82 7.5 2 21 33 6 0 11 78 6.5 3 程序如下： A=xlsread(:\数据.xls); y=A(:,2) x1=A(:,3) x2=A(:,4) X=[ones(21,1) x1 x2] [b,bint,r,rint,stats]=regress(y,X) rcoplot(r,rint) b,stats 得结果： b = 8.1054 5.4659 13.2166 stats = 0.9709 300.2412 0.0000 所以拟合模型为： 残差分析图如下 由此图可看出异常点为最后一点 4．一矿脉有13个相邻样本点，人为地设定一原点，现测得各样本点对原点的距离x，与该样本点处某种金属含量y的一组数据如下，画出散点图观察二者的关系，试建立合适的回归