薛毅數学模型数学建模第八次作业多元分析实验.docx

数学模型 第八次作业 多元分析实验8.1实验目的与要求学会对数据进行线性回归分析、预测与回归诊断学会对数据进行方差分析和判别分析建立相应的统计模型，用R软件计算，并对计算结果进行分析和讨论8.2 基本实验1. 回归分析为估计山上积雪融化后对下游灌溉的影响，在山上建立一个观测站，测量最大积雪深度X（米）与当年灌溉面积Y（公顷），测得连续10年的数据如表8.1所示。（1）建立一元线性回归模型，求解，并验证系数、方程或相关系数是否通过检验；（2）现测得今年的数据是X=7米，给出今年灌溉面积的预测值、预测区间和置信区间(α=0.05)；（3）将数据散点、回归预测值、回归预测区间和置信区间均匀化在一张图上，分析线性回归的拟合情况。解：为了研究这些数据中所蕴含的规律性，根据10对数据利用R软件作出散点图，编程如下： x-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4) y-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493) plot(x,y, xlab=X, ylab=Y, cex=1.4, pch=19, col=red)得到如下图像：分析图像，数据点大致落在一条直线附近，说明变量x和y之间大致可看作线性关系，假定有如下结构式：y=β0+β1x+ε其中β0和β1是未知常数，为回归系数，ε为其它随机因素对灌溉面积的影响，ε服从正态分布N(0,σ2)。利用R软件进行一元线性回归分析，并提取相应的计算结果： x-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4) y-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493) lm.sol-lm(y ~ 1+x) summary(lm.sol)得到如下结果：Call:lm(formula = y ~ 1 + x)Residuals: Min 1Q Median 3Q Max -128.591 -70.978 -3.727 49.263 167.228 Coefficients: Estimate Std. Error t value Pr(|t|)(Intercept) 140.95 125.11 1.127 0.293x 364.18 19.26 18.908 6.33e-08 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 96.42 on 8 degrees of freedomMultiple R-squared: 0.9781, Adjusted R-squared: 0.9754 F-statistic: 357.5 on 1 and 8 DF, p-value: 6.33e-08Estimate项中给出了回归方程的系数估计，即β0=140.95；β1=364.18观查其中的评价参数易知对于β0项的估计并不是很准确，不显著。但该方程总体通过了F统计数的检验，其p值为6.33e-080.05由此得到的回归方程为：Y=140.95+364.18X若现测得今年的数据是X=7米，则有X=X0=7，置信水平为0.95，此时利用R软件求解，编程如下： new-data.frame(x=7) predict(lm.sol,new,+ interval=prediction,+ level=0.95)得到如下结果：fit lwr upr1 2690.227 2454.971 2925.484得到灌溉面积的预测值为2690.227、预测区间2454.971和置信区间(α=0.05)为2925.484。利用R软件做出图像并保存，编程如下：先重复回归线性分析： x-c(5.1,3.5,7.1,6.2,8.8,7.8,4.5,5.6,8.0,6.4) y-c(1907,1287,2700,2373,3260,3000,1947,2273,3113,2493) plot(x,y, xlab=X, ylab=Y, cex=1.4, pch=19, col=red) lm.sol-lm(y ~ 1+x) summary(lm.sol)做出图像： abline(lm.sol, lwd=2, col=blue) segments(x, fitted(lm.sol), x, y, lwd=2, col=blue)标注图像： ex1-express