2013年重庆区房价相关指标及走势的分析.docVIP

应用概率统计课程论文 题目： 2013年重庆地区房价相关指标及走势的分析 学号 姓名 贡献 房价与数据关系分析，建立一元线性回归模型，相关系数的计算，回归方程的显著检验，房价的区间预测。 数据需求分析，所需数据采集，理论资料查找。 课程论文撰写，论文排版，流程图绘制，matlab绘图及其代码. 成绩 指导教师 日期 2013.6.20  题目：2013年重庆地区房价相关指标及走势的分析 摘要：数理统计是具有广泛应用的数学分支，而区间估计和假设检验问题在其中占有很重要的地位，对于正态总体期望和方差的区间估计和假设检验问题已有完备的结论；但实际问题中常常碰到分正态总体，而且是小样本的情况，因此对他的区间估计和假设检验是一个值得研究的问题。我们利用概率论与数理统计基本原理对小样本常用参数置信区间和假设检验问题，进行深入研究，提出了小样本常用参数置信区间与假设检验的解决方法。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。此次课程设计我们根据网上查到的相关资料，绘制房价影响关系图，对影响房价的指标进行分析，建立一元线性回归模型，进行显著检验用的对房价进行预测 (2013年重庆地区房价相关指标及走势的分析流程图） 1.理论准备： (1)相关的含义: 相关是研究因变量（响应变量）之间相互关系的统计分析方法， 它研究因变量（响应变量）之间相互关系的密切程度。 我们以横轴代表自变量X，纵轴代表依变量Y，可以将一群观察事物的两种关系在坐标图上以P（X，Y）的方法定位，作出一群点图，便可在体上看出两者的关系，例如图1-1 图(A)表示房价（依变量）随自变量增长而增高，其图像性质称正相关（positive correlation）；图（B）的依变量随自变量的增加而减少，称为负相关（negative correlation）；而图（C）二者呈现很乱的图形没有任何的规律没有，则称无相关。 A B C (2)一元线性回归模型: 一般地,当因变量（响应变量）与自变量之间有线性关系时, 可设： （1） 其中为待定系数。为直线的斜率，它表示x每增加一个单位E(y)的增量。设是取自总体 的一组样本,而是该样本的观察值,在样本和它的观察值中的是取定的不完全相同的数值，而样本中的在试验前为因变量（响应变量），在试验或观测后是具体的数值，一次抽样（抽样的区间尽量大一点，要求观察独立进行）的结果可以取得对数据，则有： , (2) 其中相互独立。在线性模型中,由假设误差服从正态分布知： (3) 回归分析就是根据样本观察值寻求的估计.对于给定值, 取： (4) 作为的估计，方程(4)称为关于的线性回归方程或经验回归函数，其图像称为回归直线，称为回归系数。 (3)回归系数的最小二乘估计： 对样本的一组观察值…,对每个, 由线性回归方程(4)可以确定一回归值,这个回归值与实际观察值之差刻画了与回归直线的偏离度(残差)。 一个自然的想法就是: 对所有,若与的 偏离越小, 则认为直线与所有试验点拟和得越好.令： (5) 上式表示所有观察值与回归直线的偏离平方和, 刻划了所有观察值与回归直线的偏离度。所谓最小二乘法就是寻求的 估计,使 利用微分的方法，求关于的偏导数,并令其为零, 得正规方程组： (6) 整理得： (7) 称此为正规方程组，解正规方程组得： (8) 其中,, 若记：， ,则： (9) 因此(5)或(6)叫做的最小二乘估计,记为：LSE. 回归方程的显著检验 从回归系数的LSE可以看出，对任意给出的n对数据，都可以求出，从而给出回归方程，但是这样给出的回归方程不一定有意义。我们知道建立回归方程的目的是寻找y的均值随x变化的规律，即找出回归方程。如果，那