化工数据与处理复习剖析.ppt

回归平方和的计算 可以利用回归系数计算过程中间结果求得回归平方和，以及剩余平方和 复相关系数（回归平方和占总平方和的比例） 如果： 方程有效 偏回归平方和及自变量显著性检验 方差分析（对回归系数有效性检验） 如果： 则第i个变量是显著的 如果： 则剔除第i个变量 只剔除1个 最小的自变量 利用回归方程进行预报和控制 已知： 预报y0的置信区间 逐步回归分析 最优回归方程 逐步回归分析 多元非线性问题的线性化处理 多项式回归分析 我们把多项式回归转化为多元线性回归问题来解决。对于任意函数，在适当的范围内均可用多项式很好的逼近，因此，在比较复杂的实际问题处理时，可以不必去深究因变量与诸自变量间的函数关系形式，而直接采用多项式关系进行回归分析。 正交多项式回归 由正交多项式回归来求解回归系数，可以使系数矩阵成为对角矩阵，有几点好处： （1）线性系统的求解及回代非常方便 （2）方程组求解不会出现病态问题 （3）各个回归系数间的相关性将消失 正交多项式具有以下性质： 回归系数的计算公式： 常用的一组正交多项式，当x为前几个自然数时： 正交多项式表： 1 -3 -5 -1 3 -1 2 -2 0 1 -7 4 3 -1 -3 1 1 -5 4 0 -4 0 6 0 5 1 -3 -1 1 5 6 2 0 -1 -7 -4 7 3 5 1 3 1 28 84 6 154 84 1 1 1/6 7/12 7/20 回归方程： 回归系数的显著性检验，确定正交的多项式的次数 回归方差对剩余方差的比 服从 的F分布 偏回归方差对剩余方差的比 服从 的F分布 如果，逐次检验到k m次多项式时，Bm不显著，则表示多项式只要取m-1次。 注意：x为标准化后的变量，x 1，2，3…n，对于一般x取值时要先做变换，变换成标准化形式。 非线性回归分析 有些化工问题，因变量与各个自变量之间的关系比较复杂，不便于线性化的方法。而用多项式表达时仍不能很好的拟合，因此，就有非线性回归的问题。 非线性回归的数学模型： 非线性回归的方程为： 残差平方和为： 求极值方法 单纯形法的目的：在m维参数空间内找出某一点 ，能使 的值最小。在m维空间上的单纯形就是由m＋1个点构成的在m维空间中的一个凸形。 两个参数时，就是在二维参数空间中的一个三角形，作为基本的单纯形是一个等边三角形。 三个参数时，是在三维空间中的正四面体 搜索结束判据 其中： 表示单纯形三个顶点的函数值 表示三个 的平均值 eps是给定的精度要求指标 线性校正迭代法 要用到一阶导数（ Taylor级数展开） 取一次项作为近似，它的前提是 离 不是很远，则 离 也不是很远。 把差商作为一阶导数的近似： 由线性方程组可以解得 、 、… 、 利用 求出 的第一次校正值 重复以上的步骤，一直进行到第k次时 j 1，2，…，m 如果： 则 就是所要求的 。 其中eps为给定的精度要求。 一元方差分析 方差分析的作用： 通过对实验数据的统计分析，从而推断出，试验数据间的差异是由于实验条件的改变，还是由于实验中的随机误差的影响，推断出哪些因素的影响是显著的，哪些因素的影响是不显著的，哪些因素是有交互作用的，并分析出最佳实验条件，从而达到目的 。 定义 ① 因素：对实验结果有影响的条件 ② 因素的水平：因素所处的状态 ③ 指标：所考察的实验结果 实验误差可分为：一是随机误差，二是条件变差（实验条件的改变所引起的差别）， 复习 前言 两部分内容 1 数据的分析 2 数据的处理 （1）经验模型 （2）半经验模型 （3）理论模型 结合化工生产及科研中的数据分析和处理实际，从实用的角度，介绍数理统计方面的一些常用的方法和理论知识，把它应用到化工试验数据处理中去，掌握数据处理方法，解决实际问题，最直接的应用就是解决论文中的数据处理问题。 第一章 误差原理及概率分布 观察值（测量值） 总体（母体）：用 xi 来表示，i 1，2，3…n, n→∞ 样本：用 xi ，i 1，2，3…n, n为有限数来表示，通常也称为子样 真值 误差：用εi表示，εi xi-μ 误差的表示方法 误差的表示方法 ① 绝对误差 xi-μ ② 相对误差 绝对误差/真值≈绝对误差/测量值。 ③ 引用误差 绝对误差/仪表的满刻度值（Xn）。 仪表一般分为7个等级，S 0.1, 0.2, 0.5, 1.0, 1.5, 2.0, 2.5, 引用误差≤S%，而绝对误差≤Xn*S% 误差的来源 ① 测量装置的误差 ② 环境误差 ③ 人员误差 ④ 方法误差： 误差的分类 ① 系统误差 ② 随机误差:偶然误差。 ③ 粗差： 有效数字的舍取 ① 有效数字的舍入原则 ② 有效数字的