27.一元线性回归.pptVIP

第三节　一元线性回归 四、小结 回归效果不显著的原因分析: 例4 解　 取显著性水 平为 0.05 . 检验例 2 中的回归效果是否显著, 6.系数b的置信区间 7.回归函数 函数值的点估计和置信区间 8. Y 的观察值的点预测和预测区间 例5 (续例2) 解　 (1)已知 * * 一、回归分析的基本的思想 三、可化为一元线性回归的问题 四、小结 二、一 元回归的数学模型 变量之间的关系 确定性关系 相关关系 确定性关系 身高和体重 相关关系 一、回归分析的基本思想 相关关系的特征是: 变量之间的关系很难用一种精确的方法表示出来. 由于存在测量误差等原因, 确定性关系在实际 问题中往往通过相关关系表示出来; 另一方面, 当对 事物内部规律了解得更加深刻时, 相关关系也有可 能转化为确定性关系. 回归分析—— 处理变量之间的相关关系的一 种数学方法, 线性回归分析 非线性回归分析 回 归 分 析 一元线性回归分析 多元线性回归分析 它是最常用的数理统计方法. (4)利用回归函数进行预测与控制等等. (3)对回归函数中的参数或者回归函数本身进行假设检验; 特别对随机变量Y 的观察值做出点预测和区间预测. (2)讨论回归函数中参数的点估计、区间估计; 　　回归分析的任务: (1)根据试验数据估计回归函数; 问题的一般提法 求解步骤 1.推测回归函数的形式 方法一　根据专业知识或者经验公式确定; 方法二　作散点图观察. 温度x(oC) 得率Y(%) 100 110 120 130 140 150 160 170 180 190 45 51 54 61 66 70 74 78 85 89 例1 测得数据如下 . 品得率Y ( % )的影响, 为研究某一化学反应过程中, 画出散点图如下， 一元线性回归问题 2.建立回归模型 一元线性回归模型 3.未知参数a,b的估计 根据 得方程组 简称回归方程， 其 图形称为回归直线. 例2 述的条件, 例1中的随机变量 Y 符合一元线性回归模型所 求 Y 关于 x 的线性回归方程 . x y xy x2 y2 100 110 120 130 140 150 160 170 180 190 1450 45 51 54 61 66 70 74 78 85 89 673 10000 12100 14400 16900 19600 22500 25600 28900 32400 36100 218500 2025 2601 2916 3721 4356 4900 5476 6084 7225 7921 47225 4500 5610 6480 7930 9240 10500 11840 13260 15300 16910 101570 残差平方和 例3 求例2中方差的无偏估计. 解 5.线性假设的显著性检验