第七章 相关和回归课题.ppt

第七章 相关和回归分析 第三节 多元线性回归 * 由此可知 第一节 相关和回归的一些概念 相关和回归的由来 高尔顿(F.Galton, 1822-1911)的发现 相关的概念：变量之间相互联系的关联程度，引出相关系数的概念。 协方差的定义 相关系数的定义 不相关的定义 若X和Y之间的相关系数 r 等于零，则称它们不相关；否则就称它们之间是相关的。 相关系数的两条基本性质 X和Y不相关的等价判别准则： 注：概率论中X与Y相互独立的充要条件是它们的联合分布函数(或密度函数)等于它们的边缘分布函数之积，即 (X, Y)的样本协方差： (X, Y)的样本或观察值： (X, Y)的样本相关系数： 因此，两个变量独立的条件要强于不相关的条件。 样本协方差和样本相关系数 (X, Y)的相关性判别——散点图： (X, Y)的样本或观察值： r = 0 r 0 r 0 r = 0 r ≈1 r ≈－1 回归的含义 研究随机变量Y 关于另一个变量 X (也可以是多变量) 的函数关系，即什么形式的函数m(X) 与Y 最接近。偏差均方：m(X) 与Y 接近程度的度量指标，即 因为 回归函数： 因此，Y =y关于 X=x 的回归函数的关系为 所以，当 m(x) = E(Y | X=x)时， 达到最小值。 称 m(x)= E(Y | X=x)为Y 关于 x 的回归函数，其误差 几何