xjd-p4-系统模型-III-OK.ppt

相似系数 的要求： 相似系数有： （1）：夹角余弦； （2）：相关系数。 夹角余弦 相关系数 相似系数定义的距离 （1）问题甲得到一组数据： X=[0,1,2,3,4],Y=[1.0,1.3,1.5,2.0,2.3]; 问题乙得到一组数据： X=[0,1,2,3,4],Z=[0.6,1.95,0.9,2.85,1.8]; (2)两组数据的散点图：[Xk,Yk]用+表示； [Xk,Zk]用*表示。 （3）MATLAB 实现 to huiguibiyao.m 得到：a=0.33 0.96; b=0.33 0.96. 结论：两者拟合的结果是同一条直线y=0.33x+0.96 (z=0.33x+0.96)但是它们的意义却大不一样。 人们对结果a的信任度很高； 人们对结果b的信任度很低. 2. 具有时间序列关系的回归分析 7：MATLAB实现：（在MATLAB统计工具箱中用regress实现多元线性回归）（1）用法： Y,X同上； alpha为显著性水平（确省时设定为0.05)； b,bint为回归系数估计值和它们的置信区间； r,rint为残差（向量）及置信区间； stats是用于检验回归模型的统计量，有3个数值： 第1个是R*R(见（16）式），第2个是F(见（15）式），第3个是与F对应的概率p,p?时拒绝H0,回归模型成立。 Rcoplot(r,rint)画残差及置信区间图。 四：几个实际问题用回归模型求解。1：合金强度与碳含量问题：（1）建立模型： （2）编程（用regress和rcoplot求解）to hejing.m x1=0.1:0.01:0.18;x=[x1,0.2,0.21,0.23]; Y=[42,41.5,45,45.5,45,47.5,49,55,50,55,55.5,60.5]; X=[ones(12,1),x]; [b,bint,r,rint,stats]=regress(Y,X); b bint stats rcoplot(r,rint); (3)结果： 残差图除第8个数据外，其余残差置信区间均包含0点，?剔除第8个点。（即第8个点为异常点） （4）剔除异常点后重新计算：to hejing2.m b = 27.0992 137.8085 bint = 23.8563 30.3421 117.8534 157.7636 stats = 0.9644 244.0571 0.0000 2：商品销售量与价格问题：（1）建立模型： （2）编程计算：to shangping.m X1=[120,140,190,130,155,175,125,145,180,150]; X2=[100,110,90,150,210,150,250,270,300,250]; Y=[102,100,120,77,46,93,26,69,65,85]; X=[ones(10,1) X1 X2]; [b,bint,r,rint,stats]=regress(Y,X); b bint stats (3)结果： b = 66.5176 0.4139 -0.2698 bint = -32.5060 165.5411 -0.2018 1.0296 -0.4611 -0.0785 stats = 0.6527 6.5786 0.0247 五：多项式回归及问题求解：1：多项式回归的MATLAB实现：（1）一元多项式回归： (2)多元多项式回归： rstool(X,Y,model,alpha); 输入数据X,Y分别为n?m矩阵和n维向量,alpha为显著性水平?（缺省时为0.05); model由下列4个模型中选择1个（用字符串输入，缺省时设定为线性模型）： 2：运动能力问题求解：（1）选用二次模型： （2）编程计算：to yundong.m X1=17:2:29;X=[X1,X1]; y=[20.48,25.13,26.15,30.0,26.1,20.3,19.35,24.35,28.11,26.3,31.4,26.92,25.7,21.3]; [P,S]=polyfit(X,y,2); P (3)结果：P = -0.2003 8.9782 -72.2150; ?a1=-0.2003 a2= 8.9782 a3=-72.2150. （4）：检验： A:拟合图： 上面S是一个数据结构，用于它函数的计算；如 [Y,delta]=polyconf(P,X,S);Y 得到Y的拟合值： Y =