浙江大学《概率论与数理统计》课件ch9.ppt

* 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 56 54 52 50 48 46 44 42 40 38 （1）合金钢的强度y与钢材中碳的含量x的散点图 * * * * 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 x 0 e * 0.03 0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19 56 54 52 50 48 46 44 42 40 38 合金钢的强度y与钢材中碳的含量x的回归直线图 * 显著水平为0.05 * * * * 参数性质 * 即为正态随机变量的线性组合，所以服从正态分布。 证明（1） * （2）类似可得。 * 回归方程显著性检验 采用最小二乘法估计参数 ，并不需要事先知道Y与x之间一定具有相关关系。 因此μ(x)是否为x的线性函数： 一要根据专业知识和实践来判断， 二要根据实际观察得到的数据用假设检验方法来判断。 * （1）影响Y取值的，除了x，还有其他不可忽略的因素； （2）E(Y)与x的关系不是线性关系，而是其他关系； （3）Y与x不存在关系。 若原假设被拒绝，说明回归效果是显著的，否则，若接受原假设，说明Y与x不是线性关系，回归方程无意义。回归效果不显著的原因可能有以下几种： * 假设的检验统计量 与方差分析方法类似，仍采用平方和分解。 一般地，用 来描述 之间的总的差异大小，称SST为总平方和。 * 可以证明： * 可以证明， 由参数估计的性质可知，当 时， * * * 也可采用t检验 * 例3 检验例1中回归效果是否显著，取α=0.05。 * 回归系数 的置信区间 由 * * 回归参数估计和显著性检验的Excel实现 例 1（续) 前面我们已经分析了加热温度与燃气消耗量之间的关系, 认为两者具有较好的线性关系, 下面我们进一步建立燃气消耗量(响应变量)与加热温度(解释变量)之间的回归方程. 采用Excel中的“数据分析” 模块. 在Excel工作表中输入上面的数据 点击主菜单中“工具” 点击下拉式菜单中“数据分析” 就会出现一个“数据分析” 的框，点击菜单中“回归” ，点击“确定”, 出现“回归” 框. * 在“Y值输入区域”中标定你已经输入的响应变量数据的位置, 在“X值输入区域”中标定你已经输入的解释变量数据的位置 (注意: 数据按“列”输入)“置信度”中输入你已经确定置信度的值选定输出结果的位置点击“确定”. 在指定位置输出相应的方差分析表和回归系数输出结果, 例1的输出结果如下所示, * 自由度 平方和 均方 F值 P_值 回归 1 168.581 168.581 1467.551 1.415E-15 误差 14 1.608 0.115 总的 15 170.189 方差分析表 * Coef. 标准误差 t Stat P value Lower 95% Upper 95% Intercept 1.089 0.139 7.841 1.729E- 06 0.791 1.387 X 0.189 0.005 38.309 1.415E-15 0.178 0.200 方差分析中,给出了假设检验 的F检验. 方差分析表中各项也与前一节方差分析表中的意义类似. 值得注意的是,方差分析表中“均方” 列中, 相应于“误差”行的值即为模型误差方差的估计, 即 =0.115.