- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
实验三回归分析
实验三 回归分析
1.为了分析X射线的杀菌作用,用200千伏的X射线来照射细菌,每次照射6分钟用平板计数法估计尚存活的细菌数,照射次数记为 t,照射后的细菌数y如表1所示。
表1 X射线照射次数与残留细菌数
试求:①给出y与t的二次函数回归模型;②在同一坐标系内做出原始数据与拟合结果的散点图;③预测t=16时残留的细菌数;④根据问题实际意义,你认为选择多项式函数是否合适?⑤给出非线性回归模型,并预测照射16次后细菌残留数目。
解:(1)实验程序:
t=1:15;
y=[352 211 197 160 142 106 104 60 56 38 36 32 21 19 15];
rstool(t,y,purequadratic)
结果如图1所示:
图1
在Matlab工作区中输入命令:beta,rmse
beta =347.8967 -51.1394 1.9897
rmse =22.2649
所以y与t的二次回归模型函数:
(2)画出同一坐标散点图,如图2所示,程序如下:
[p,s]=polyfit(t,y,2);
Y=polyconf(p,t,y);
plot(t,y,k+,t,Y,r)
图2 散点图
(3)当t=16时,计算程序如下:
[p,s]=polyfit(t,y,2);
Y=polyconf(p,16);
结果是:Y =39.0396
即说明预测残留的细菌数y=39.0396个;
(4)用二次函数计算出细菌残留数为39.0396,显然与实际不相符合。根据实际问题的意义可知:尽管二次多项式拟合效果较好,但是用于预测并不理想。因此,如何根据原始数据散点图的规律,选择适当的回归曲线是非常重要的,因此有必要研究非线性回归分析。
(5)由(2)散点图可知,可以假设将要拟合的的非线性模型为对将要拟合的非线性模型,建立的M-文件volum.m如下:
function yhat=volum(beta,t)
yhat=beta(1)*exp(beta(2).*t);
%输入数据
t=1:15;
y=[352 211 197 160 142 106 104 60 56 38 36 32 21 19 15];
beta0=[150,0];
%求回归系数
[beta,r,J]=nlinfit(t,y,volum,beta0);
beta
y=nlpredci(volum,16,beta,r,J)
得结果:beta =400.0905 -0.2240,y =11.1014,即回归模型为:,那么根据此模型我们可以知道:当t=16时,残留的细菌数y=11.1014,很显然这样的结果会更令人满意!
2.某销售公司将库存占用资金情况、广告投入的费用、员工薪酬以及销售额等方面的数据作了汇总(表 2),该公司试图根据这些数据找到销售额与其他变量之间的关系,以便进行销售额预测并为工作决策提供参考依据。(1)建立销售额的回归模型;(2)如果未来某月库存资金额为150万元,广告投入预算为45万元,员工薪酬总额为27万元,试根据建立的回归模型预测该月的销售额。
表2 库存资金额、广告投入、员工薪酬、销售额汇总表(单位:万元)
月份 库存资金额(x1) 广告投入(x2) 员工薪酬总额(x3) 销售额(y)
21.1
21.4
22.9
21.4
21.5
21.7
21.5
21.0
22.4
24.7
23.2
24.3
23.1
29.1
24.6
27.5
26.5
26.8
1090.4
1133.0
1242.1
1003.2
1283.2
1012.2
1098.8
826.3
1003.3
1554.6
1199.0
1483.1
1407.1
1551.3
1601.2
2311.7
2126.7
2256.5
30.6
31.3
33.9
29.6
32.5
27.9
24.8
23.6
33.9
27.7
45.5
42.6
40.0
45.8
51.7
67.2
65.0
65.4
1 75.2
2 77.6
3 80.7
4 76.0
5 79.5
6 81.8
7 67.7
8 98.3
9 74.0
10 151.0
11 90.8
12 102.3
13 115.6
14 125.0
15 137.8
16 175.6
17
文档评论(0)