第五章 回归分析.pptVIP

图5—8(b) 幂函数曲线 图5—9(a) 对数曲线 图5—9(b) 对数曲线 图5—10 S曲线 图5—11 (a) 对数抛物线 图5—11 (b) 对数抛物线 曲线回归例题 图5—5(b) 双曲线 图5—6(a) 指数曲线 图5—6(b) 指数曲线 图5—7(a) 指数曲线 图5—7(b) 指数曲线 图5—8(a) 幂函数曲线 0 b 1 b = 1 b －1 b=－1 －1 b 0 §5.4 曲线回归 （5）对数曲线， ，见图5—9。 （6）S曲线， ，见图5—10。 （7）对数抛物曲线， ， 见图5—11。 b 0, c 0 b 0, c 0 §5.4 曲线回归 如上所述，许多曲线都可以通过变换化为直线，可以按直线拟合的办法来处理。 必须注意！所配曲线的回归中，r、S、F 等的计算稍有不同。u、v 等仅仅是为了变量变换，使曲线方程变为直线方程，然而要求的是所配曲线与观测数据拟合较好，所以计算r、S、F 等时，应首先根据已建立的回归方程，用 xi 依次代入，得到 yi 后再计算 残差平方和 及总平方和 ，于是： （5—36） §5.4 曲线回归 （5—37） （5—38） 下面举例说明： 炼钢厂出钢用钢包在使用过程中，由于钢液及炉渣对耐火材料的浸蚀，其容积不断增大。钢包的容积（用盛满钢水的重量 kg 表示）与相应的使用次数列于表5—5中。 （1）首先按实测数据做散点图，如图5—12所示。由图可见，最初容积增加很快，以后减慢并趋于稳定。根据这个特点，选用双曲线： * * 第五章 回归分析 §5.1 概述 回归分析——研究变量与变量之间关系的数学方法。 变量之间的关系： （1）确定性关系：函数关系，经反复的精确试验或严格的数学推导得到。如 S= v﹒t 。数学分析和物理学中的大多数公式属于这种类型。 （2）相关关系：实际问题中，绝大多数情况下，变量之间的关系不那么简单。如材料的抗拉强度与其硬度之间的关系；材料的性能与其化学成份之间等等。 这些变量之间既存在着密切的关系，又不能由一个（或几个）变量（自变量）的数值精确地求出另一个变量（因变量）的数值， 到多元回归例题 §5.1 概述 而是要通过试验和调查研究，才能确定它们之间的关系，我们称这类变量之间的关系为相关关系。 回归分析的主要内容： 应用数学的方法，对大量的测量数据进行处理，从而得出比较符合事物内部规律的数学表达式（数学模型）。 §5 .2 最小二乘法原理 假设 x 和 y 是具有某种相关关系的物理量，它们之间的关系可用下式给出： （5—1） 待定常数 §5 .2 最小二乘法原理 同时测量 x ，y 的数值，设有 m 对观测结果： 利用观测值，确定 。设 x，y 关系的最佳形式为： （5—2） （5—3） 最佳估计值 如不存在测量误差，则： （5—4） 由于存在测量误差，因而式（5—3）与（5—4）不相重合，即有： （5—5） 残差——误差的实测值 §5 .2 最小二乘法原理 式（5—3）中的 x 变化时，y 也随之变化。如果 m 对观测值中有比较多的 y 值落到曲线（5—1）上，则所得曲线就能较为满意地反映被测物理量之间的关系，y 值同时出现的概率最大，则曲线（5—3）就是曲线（5—1）的最佳形式。如图5—1所示。如果误差服从正态分布，则概率 P(e1, e2, …, em)为： （5—7） 当P最大时，求得的曲线就应当是最佳形式。从图5—1中可以看出，显然，此时下式应最小： （5—6） 即残差平方和最小，这就是最小二乘法原理的由来。 图5—1 §5 .2 最小二乘法原理 这里假定 xi 无误差。式（5—7）可以写成： （5—8） S最小，就应有： （5—9） 即要求求解如 下联立方程组： （5—10） 正规方程，最小二乘解。 §5.3 直线的回归 一、一元直线回归分析 对一