1.第一章基础理论素材.ppt

正规方程组也可以写成 回归模型的显著性检验 ① 回归平方和U与剩余平方和Q： ② 回归平方和 ③ 剩余平方和为 ④ F统计量为计算出来F之后，可以查F分布表对模型进行显著性检验。 非线性关系线性化的几种情况 对于指数曲线，令,可以将其转化为直线形式：，其中，； 对于对数曲线，令，可以将其转化为直线形式：； 对于幂函数曲线，令，可以将其转化为直线形式：其中，； 2.3 非线性回归模型 对于双曲线，令，转化为直线形式：； 对于S型曲线，可转化为直线形式：； 对于幂乘积，只要令，就可以将其转化为线性形式其中，； 对于对数函数和只要令，就可以将其化为线性形式 第3节 相关性度量 3.1 两变量间的相关性度量 3.2 变量与向量间的相关性度量 3.3 两向量间的相关性度量 3.4 多向量间的相关性度量 3.1 两变量间的相关性度量 （1） Pearson简单相关系数 Pearson相关系数的基本公式可定义为： 式中， ——直线相关系数；——变量数列x的标准差；——变量数列y的标准差；——变量数列x与y的协方差。 据此，上式可写成下式： （2）等级相关系数①斯皮尔曼（Spearman）相关系数英国统计学家斯皮尔曼在皮尔逊积差法思想的基础上，推导出计算等级相关系数的方法，称为“等级差数法”。用这种方法计算出的相关指标，就命名为斯皮尔曼等级相关系数，其计算公式如下：式中，n——样本容量； D——每对观测值的等级差。 必须注意的是，等级相关系数不能解释为线性相关系数。 ②肯德尔（Kendall）等级相关系数统计学家肯德尔曾提出多种等级相关系数，以下只介绍其中的交错系数，通常称之为肯德尔系数，记为 。肯德尔系数的计算也是以变量x和y的等级数据来进行，根据配对的等级顺序排列的位置是否颠倒或者换位，得出等级换位的次数，进而计算得到肯德尔系数。其计算公式为：式中，n——样本容量；∑i——换位总次数。 （3）偏相关系数 将剖分如下： 称为偏协方差矩阵。 给定 时 和 的偏相关系数定义为其中度量了剔除的（线性）影响之后， 和 间相关关系的强弱。 对于多元正态变量 ，由于也是条件协方差矩阵，故此时偏相关系数与条件相关系数是同一个值，从而同时也度量了在值给定的条件下和间相关关系的强弱。 我们常常希望用一个数值指标来度量一个随机变量 和一组随机变量之间的相关性，而感兴趣的是这种相关性可以达到多高程度。一个直观想法是，用的一个线性组合将其中包含的关于 的信息在线性关系的意义上最大限度地提取出来，然后再计算 与该线性组合的相关系数，此即为复相关系数，以下作正式的定义。 3.2 变量与向量间的相关性度量 复相关系数 将剖分如下：和 的线性函数间的最大相关系数称为和 间的复（或多重）相关系数，记作它度量了一个变量 与一组变量间的相关程度。 可推导出 3.3 两向量间的相关性度量 （1）典型相关系数 设随机向量他们的协方差矩阵为： 为研究两组变量之间的关系，考虑它们的线性组合： 在给定及的条件下，选取使 与 之间的相关系数 达到最大。 其中，规定 与 的方差为1，即 所以，由拉格朗日乘数法，这一问题等价于求使 达到最大。 计算得：，即 恰好等于 与 之间的相关系数。 定义：在一切使方差为1的线性组合与中，其中两者相关系数最大的与称为第一对典型相关变量，它们的相关系数称为第一典型相关系数。一般，在定义了i-1对典型相关变量之后，在一切使方差为1且与前i-1对典型相关变量都不相关的线性组合与中， 其两者相关系数最大者称为第 i对典型相关变量，其相关系数称为第i对典型相关系数。 (2)广义相关系数 已知随机向量联合方差协差阵为 ： 定义：我们称是的线性关联阵；称为的相关秩，用符号 表示；的全部非零特征根用表示，下列各个量，每一个都称为的广义相关系数： ① ② ③ ④ ⑤有如下性质： （Ⅰ）对称性（Ⅱ） （Ⅲ） （Ⅳ） （Ⅴ）当时， 3.4 多向量间的相关性度量 （1）阿达玛不等式 设， 对 作如下的剖分：则 这就是著名的阿达玛不等式。 第一章 基础理论 第1节 多元正态分布 第2节 回归分析 第3节 相关性度量 第4节 对数正态分布 第5节 主要的时间序列 第1节 多元正态分布多元正态分布是一元正态分布的推广。迄今为止,多元分析的主要理论都是建立在多元正态总体基础上的,多元正态分布是多元分析的基础。另一方面，许多实际问题的分布常是多元正态分布或近似正态分布，或虽本身不是正态分布，但它的样本均值近似于多元正