航空宇航推进技术211工程九五期间建设项目验收.pptVIP

因此， 给定的置信水平 ，有 的置信区间为 其中 于是 根据书上（用相关系数检验法），也有 即 给定置信水平 ，有 让 （ 换为 ）变动，有： 或 置信区间 其中 上两式表明，利用回归方程预测 ，其偏差 与显著水平 有关， 越小， 就越大， 与n有关，n越大， 与观察值 有关，当 越靠近 时， 就越小；当 偏离 时， 就越大。 ： 也就越大； 也就越小； 分别作出 的图形，它们把回归直线夹在中间。 事实上，当n很大且 靠近 时，有 即 服从 ，用正态分布的性质有 或 作为实际应用时的近似预报。 总结： 回归方程计算 （2）进行统计检验： 对给定 的临界值 ，如果 则拒绝假设 ，说明一元线性回归成立。如果 则接受假设 ，说明一元线性回归不成立。 ，由F分布表查出自由度为（1，n-2） （3）对回归直线进行预测。 其中： 4．可线性化的一元非线性回归 两个变量之间并不一定是线性关系，而是某种曲线关系。应该用曲线来拟合。 用适当的变量代换，把它线性化。 具体做法是： 根据观察值 画出散点图，通过散点图与常见曲线进行比较，经验地选择曲线类型。 以下几种曲线都可以通过变量代换转化为线性回归： （2）幂函数： （3）双曲线： 或 （4）对数函数： （1）指数函数： 10 指数函数： 其中 是与 无关的未知参数，将 转化为一元线性回归模型： 令 两边取对数，得 20 幂函数： 其中 是与 无关的未知参数，将 转化为一元线性回归模型： 令 两边取对数，得 是与 无关的未知参数， 是 转化为一元线性回归模型： 其中 的已知函数 令 解题步骤： （1）若在原模型下，例如在原模型 下，对于 （2）求出在新模型 其中 （3）利用上节的方法来估计 （4）在得到Y关于 的回归方程后，再将原自变量 代回，就得到Y关于 的回归方程。它的图形是一条 有样本 下的样本 或对Y进行预测。 曲线，也称为曲线回归方程。 例6 表是1957年美国旧轿车价格的调查资料，今以 表示轿车的使用年数，Y表示相应的平均价格，求Y关于 的回归方程。 使用年数 平均价格 （美元） 204 226 290 484 538 765 1087 1494 1943 2651 10 9 8 7 6 5 4 3 2 1 解： 作散点图如图，看起来Y与 作变量代换 转化为 呈指数关系，采用模型 数据经变换后得到 5.3181 5.4205 10 9 5.6699 6.1821 6.2879 6.6399 6.9912 7.3092 7.5720 7.8827 8 7 6 5 4 3 2 1 经计算得 即知线性回归效果是高度显著的，代回原变量，得曲线回归方程： 是与 如果回归函数 其中 （不必是 若 是 回归模型。模型 是线性回归模型，而模型 变量代换化为线性回归模型。 一般情况，一元回归模型为 无关的未知参数。 是参数 的线性函数 的线性函数），则称上式为线性回归模型； 的非线性函数，则称为非线性 都不是线性回归模型，但是它们都能经过 上面讨论的一元线性回归模型是 令： 则有 形式上看，像线性回归模型。但 中包含未知参数 甚至包含自变量 ，这在线性回归模型中是不允许的。 它是非线性回归模型，它不能经过变量代换转化为线性回归模型。这是因为 又如 因此，式 称为本质的非线性回归模型。又如 （Holliday模型） 都是本质的非线性回归模型。 （Logistic模型） 2 多元线性回归 在实际问题中，随机变量Y往往与多个普通变量 有关，研究这类关系问题称为多元回归问题。 （1）多元线性回归的数学模型 假设变量 与另外 个变量 线性的，它的第i次试验数据为 这一组数据可以假设有如下的形式： 其中 是 个待估参数， 是 这就是多元回归的数学模型。 的内在关系是 个可控变量， （2）参数估计 与一元线性回归类似，用最小二乘法来求未知参数的点估计（也可以用最大似然估计法来估计），找出 当 时，使 上式两边对 求偏导数，并令它们等于零，得 达到最小。 化简得 该方程组称为正规（则）方程组，为了求解的方便，将上式写成矩阵的形式，为此，引入矩阵： * 第九章 回归分析与方差分析 1．一元线性回归分析 客观世界中普遍存在着变量之间的关系，可分为确定性关系与非确定性关系。 确定性关系如： 矩形面积S及其边长a,b的关系: