线性回归分析的数学模型.docVIP

§8.2 线性回归分析的数学模型 在实际问题中我们常会遇到多个变量同处于一个过程之中，它们互相联系，互相制约。一些变量它们不能用用一个确定的函数关系式表达出来。这些变量其实就是是随机变量，之间的关系我们常称为相关关系。为深入本质，我们也需要去寻找这些变量间的数量关系式。回归分析就是进行统计的一种方法。在这种关系中简单的线性回归。 例8.4 维伦纤维德耐热水性能好坏用指标“缩醛化度”来衡量。这个指标越高，耐水性就越好。而甲醛浓度时影响缩醛化度的一个重要因素。在生产中常用甲醛浓度x（克/升）不去控制着一指标。下面是试验获得的一组数据： 甲醛浓度x（克/升） 18 20 22 24 26 28 30 缩醛化度y（可分子%） 26.86 28.35 28.75 28.87 29.75 30 30.36 若我们去重复试验，在同一甲醛浓度x下，所得缩醛化度y不完全一致。这表明x与y之间不能用个完全确定的函数关系来表达。直角坐标图(见图8.1)图略 从图我们可以把试验结果y看成有两部分叠加而成的，以部分有x的线性函数引起，记+，另一部分是由随即因素引起的，记，即： y=++ （8.23） 我们把看成随即误差，假定它服从N（0，）分布。这就意味着假定： y~N（+，） y的数学期望是x的线性函数。 为获得，的估计，我们要进行若干次独立试验。设所得结果为 （