2016数学建模案例分析化妆品销售量的预测概率统计方法建模.docVIP

§5 化妆品销售量的预测 某公司在各地销售一种化妆品，观测15个城市在某月内对该化妆品的销售量及适合使用该化妆品的人数和人均收入。数据见下表： 城市 销售量（箱） 适用人数（千人） 人均收入（元） 1 162 274 2450 2 120 180 3254 3 223 375 3802 4 131 205 2838 5 67 86 2347 6 169 265 3782 7 81 98 3008 8 192 330 2450 9 116 195 2137 10 55 53 2560 11 252 430 4020 12 232 372 4427 13 144 236 2660 14 103 157 2088 15 212 370 2605 要求通过以上数据建立预测模型，当已知任一个城市的适用人数和人均收入时，能够预测在这个城市的销售量。 这个问题本质上就是多元线性回归模型，如果随机变量与固定变量之间有显著的线性相关关系，即 称为元线性回归模型。 模型中的参数估计 设通过实验或历史资料得到观测数据。令 由最小二乘估计，得 称为变量关于变量的线性回归方程。 同样还可以得到的估计量为 这里。 二、回归模型的显著性检验 1、检验回归模型的显著性 即检验假设 令 检验统计量 对一个小概率，若，则认为所建的回归方程有意义。 2、各自变量的显著性检验，剔除变量计算 即检验假设 检验统计量 这里是矩阵中相应位置的元素。对一个小概率，若，则应保留变量，否则应剔除变量。剔除变量时，从最小的开始，直到不显著的变量全部剔除为止。设，则剔除，重新建立回归方程如下： 其中 利用回归方程进行预报 当时，对进行预测。 1、点预测 2、区间预测 的置信度为的置信区间，其中 现在用上面的回归模型来解决前面提出的问题： 得到，所求回归方程是。 又求得，从而 故认为所建的回归方程有意义。 又可求出 说明对均有显著的线性影响，均不能剔除。 下面给出预测方法：例如当某城市的数据时，有 又 可以95%的把握认为这种化妆品在该城市的销售量在，即在130到140箱之间。