误差理论回归分析实验报告.docVIP

三、 回归分析 一、实验目的 回归分析是数理统计中的一个重要分支，在工农业生产和科学研究中有着广泛的应用。通过本次实验要求掌握一元线性回归和一元非线性回归。 二、实验原理 回归分析是处理变量之间相关关系的一种数理统计方法。即用应用数学的方法，对大量的观测数据进行处理，从而得出比较符合事物内部规律的数学表达式。 1、一元线形回归方程 a、回归方程的求法 其中 ， b、回归方程的稳定性 回归方程的稳定性是指回归值的波动大小。波动愈小，回归方程的稳定性愈好。 2、回归方程的方差分析及显著性检验 （1）回归问题的方差分析 观测值之间的差异，是由两个方面原因引起的：①自变量x取值的不同；②其他因素（包括试验误差）的影响。 N个观测值之间的变差，可用观测值y与其算术平均值的离差平方和来表示，称为总的离差平方和。记作 称为回归平方和，它反映了在y总的变差中由于x和y的线性关系而引起变化的部分。 成为残余平方和，既所有观测点距回归直线的残余误差平方和。它是除了x对y的线性影响之外的一切因素对y的变差作用。 （2）回归方程显著性检验 回归方程显著性检验通常采用F检验法。 重复实验的情况 为了检验一个回归方程拟合得好坏，可以做重复实验，从而获得误差平方和和失拟平方和，用误差平方和对失拟平方和进行F检验，就可以确定回归方程拟合得好坏。 三、实验内容 采用回归分析算法用matlab编程实现下列题目的要求。 3.1材料的抗剪强度与材料承受的正应力有关。对某种材料试验的数据如下： 正应力x/pa 26.8 25.4 23.6 27.7 23.9 24.7 28.1 26.9 27.4 22.6 25.6 抗剪强度y/pa 26.5 27.3 27.1 23.6 25.9 26.3 22.5 21.7 21.4 25.8 24.9 做散点图。2）假设正应力是精确的，求抗剪强度与正应力的线性回归方程并作图 ；3）当正应力为24.5pa时，抗剪强度的估计值？4）回归方程的显著性检验。 3.2 下表给出在不同质量下弹簧长度的观测值(设质量的观测值无误差)： 质量/g 5 10 15 20 25 30 长度/cm 7.25 8.12 8.95 9.90 10.9 11.8 1）做散点图，观察质量与长度之间是否呈线性关系；2）求弹簧的刚性系数和自由状态下的长度关系的回归方程并作图。3）回归方程的显著性检验 四、实验结果 1、实验一： 1），2）散点图及拟合直线方程 3）当正应力为24.5pa时，抗剪强度的估计值为： 45.9829-24.5*0.8235=25.8072 4）回归方程的显著性检验： 回归平方和为：U = b * lyy = 22.8282。 残差平方和为：Q = lyy - b * lyy = 23.9681。 统计量F为 = ( U / 1 ) / (Q / N - 2) = 8.5720. 查表得：F0.05(1,9) = 5.12；显然FF0.05(1,9) ，因此回归在0.05的水平上显著。 5）、源程序代码为： （1）回归方程函数 function [A,B] = My_Fun1(x,y) n = length(x); lxx = x * x - sum(x)^2 / n; lxy = x * y - sum(x) * sum(y) / n; Avg_X = sum(x) / n; Avg_Y = sum(y) / n; A = lxy / lxx; B = Avg_Y-B * Avg_X; （2）求残差平方和函数 function [U,S,Q]= My_Fun2(x,y) n = length(x); lxx = x * x-sum(x)^2 / n; lxy = x * y -sum(x) * sum(y) / n; lyy = y * y- sum(y)^2 / n; B = lxy / lxx; U = B * lxy; S = lyy; Q = S - U; （3）主程序 X = [26.8,25.4,23.6,27.7,23.9,24.7,28.1,26.9,27.4,22. 6,25.6]; Y = [26.5,27.3,27.1,23.6,25.9,26.3,22.5,21.7,21.4,25. 8,24.9]; [b,b0] = My_Fun1(X,Y); x = (22:0.01:29); y=b * x + b0; plot(X,Y,b.,x,y,r-); [U,S,Q] = My_Fun2(X,Y); F = U * 9/ Q; 2、实验二： 1），2）散点图及拟合直线方程 观察图得质量与长度之间的线性关系良好。 3）回归方程的显著性检验： 回