安全统计学教学课件作者吴超第6章安全数据的回归分析与预测课件.pptxVIP

安全统计学第六章 安全数据的回归分析与预测主讲人：吴超中南大学资源与安全工程学院/safetyculture wuchao@安全统计学目录6.1 回归分析概述6.2 安全数据的简单线性回归分析与预测6.5 本章小结6.3 安全数据的多元线性回归与预测6.4 安全数据非线性回归与预测安全统计学6.1 回归分析概述 6.1.1 变量的关系?函数关系：函数关系即因变量与自变量之间是 确定性关系，即变量间的关系相关关系：相关关系是因变量与自变量之间的不 确定性关系，当一个或几个相互联系的自变量取一定数值时，与之对应的因变量取值将按某种规律在一定范围内变化安全统计学6.1 回归分析概述 6.1.2 变量的关系图?1、散点图 二维坐标中画出两个变量x与y的n对数据点，并通过点的分布、形状及远近等特征来判断两个变量间的关系、关系强度等性质 如图安全统计学6.1 回归分析概述 ?6.1.2 变量的关系图2、相关系数r相关系数是是用来度量两个变量间线性关系密切程度的统计量Pearson相关系数 ?相关系数有以下性质：?a. b. r的数值与x和y的原点无关，也与尺度无关?c. r具有对称性。x与y间的相关系数等于y与x间的相关系数， 即d. r只是一个表示x与y之间线性关系的统计指标，不能描述非线性 关系e. r虽然能够从某种程度上说明自变量与因变量之间线性关系，但并不能说明自变量与因变量一定存在某种关系安全统计学6.1 回归分析概述 6.1.3 回归分析 回归分析是通过相关关系的具体形态，选择合适的数学模型，来近似地表达因变量与自变量之间的平均变化关系区别于自变量和因变量的数量区别于自变量和因变量之间是否有线性关系安全统计学6.1 回归分析概述 6.1.3 回归分析一元线性回归分析多元线性回归分析总体回归函数样本回归函数参数的最小二乘估计一元线性回归分析多元线性回归分析总体回归函数α与β为模型参数；为误差项的随机变量，是指随机因素对y的影响是模型的参数，为误差项样本回归函数总体回归线只有一条，样本回归线因样本不同可以有很多条总体回归中α与β是常数，样本回归中是随机变量总体回归函数中的是y与未知的总体回归线之间的随机差异值，不可直接观测到 为偏回归系数为的估计值参数的最小二乘估计用估计离差平方和最小的原则来确定样本回归函数，就是最小二乘估计最小二乘法是使因变量的观测值y与估计值之间的离差平方和达到最小来估计，为的转置矩阵安全统计学6.2 安全数据的简单线性回归分析与预测6.2.1 自然灾害的一元线性回归模型1、自然灾害概述 自然灾害是指由于自然因素对人类的生命安全和财产构成危害或对人类生活环境造成损害的自然变异现象或极端事件，即“天灾”。根据发生特点，自然灾害可分为7大类35种，包括地震灾害、气象灾害、洪水灾害、海洋灾害、地质灾害、农业灾害和森林灾害。?2、自然灾害统计指标在分析自然灾害绝对指标的基础上，构建出7个相对指标:(1 （6-10）(2 （6-11）(3 （6-12）安全统计学6.2 安全数据的简单线性回归分析与预测6.2.1 自然灾害的一元线性回归模型?(4 （6-13）(5 （6-14）(6 （6-15）(7 （6-16）安全统计学6.2 安全数据的简单线性回归分析与预测6.2.1 自然灾害的一元线性回归模型例6-1 10年（1998～2007）内的我国自然灾害损失的情况如表6-1所示，试建立死亡人口、受灾人口、直接经济损失与时间的一元线性回归模型。表6-1 用于一元线性回归模型数据例子（我国在1998～2007的自然灾害损失情况）注：表中数据来源于民政部门统计资料，《中国民政统计年鉴》、《民政事业发展统计报告》和《中国统计年鉴》。3、构建自然灾害一元线性回归模型 本节内容主要讨论所有自然灾害损失的其中3个变量，分别为因灾死亡人口、受灾人口和直接经济损失，以以下例子说明自然灾害一元线性回归模型的构建年份时间顺序x死亡人口/人受灾人口/人直接经济损失/亿元199815511352163007.419992296635319196220003301445642.32045.320014258337255.91942.220025284037841.81717.420036225949745.91884.220047225033920.61602.320058247540653.72042.120069318643453.32528.1200710232539777.92363年份时间顺序x199815511352163007.419992296635319196220003301445642.32045.320014258337255.91942.220025284037841.81717.4200