数学建模——回归分析模型.ppt

数学建模——回归分析模型 Keep focused Follow me —Jiang 数学建模——回归分析模型 回归分析概述 几类回归分析模型比较 一元线性回归模型 多元线性回归模型 注意点 数学建模——回归分析模型 回归分析 名词解释：回归分析是确定两种或两种以上变数 间相互赖的定量关系的一种统计分析方法。 解决问题：用于趋势预测、因果分析、优化问题等。 几类常用的回归模型： 一元线性回归 线性回归 多元线性回归 非线性回归 数学建模——回归分析模型 数学建模——回归分析模型 一元线性回归模型——模型 随机变 量（因变量）与实际变 量（因变量）存在着某种相关关系。现对 做正态假设确定这种关系为： 其中 为未知参数，与 无关。上式等价于 这就是一元线性回归模型，为回归系数。 是随机误差，是人们不可控制的。 数学建模——回归分析模型 一元线性回归模型—— 估计 方法：最小二乘法 求解：对 取不全相同的值做独立实验，得到样本。 记第 组实验的误差 ，使总误差尽量小，即下式有最小值： 数学建模——回归分析模型 一元线性回归模型—— 估计 令其偏导数为零，求得最大似然估计为： 这样我们就求得了未知参数 的值，我们记 为关于的经验回归方程，简称回归方程，其图形为回归直线。 上面右式为计算 公式， 越小，用一次线性函数研究随机变量与的关系就越有效。 数学建模——回归分析模型 一元线性回归模型——线性假设的显著性检验 必要性：上面我们假设 关于 的回归形式是否为线性函数需要检验，称为拟合优度检验 方法：相关系数法（还有其他方法） 样本相关系数如右式。 为相关系数。 与 无关系，不相关 存在相关关系 数学建模——回归分析模型 一元线性回归模型——应用举例 在研究机器工作效应时，测得工作时间与出品率如下表所示，求出品率关于工作时间的回归方程并作拟合优度检验。 数学建模——回归分析模型 解： 数学建模——回归分析模型 一元线性回归的Excel实现 （1）将数据导入Excel工作表； （2）工具栏中选插入—图表—XY散点图； （3）选择数据区域，填写标题、图例等内容，完成； （4）右击散点图—选添加趋势线—线性（类型）—在选项中选显示公式和R平方值。此时作出了回归图并求得方程； （5）在工具栏中选工具—数据分析—找到回归并确定—选择数据区域、输出数据区域，勾选置信度残差、标准残差、线性拟合图。此时得到几个表格，可查得回归系数、常数项及R平方值。 数学建模——回归分析模型 多元线性回归模型——模型 现实生活中，一个变量往往受到多个因素的影响，假设有 个因素，称为解释变量，这种多个解释变量与因变量构成的这种关系称为多元线性关系，由这种关系构成的函数关系式称为多元线性回归模型，其一般式如下： 称为回归系数。 数学建模——回归分析模型 多元线性回归模型—— 估计 方法：最小二乘法 基本思想：寻找实际值与拟合值的离差平方和最小的回归直线。 由于参数未知，需要样本回归函数，如下所示： 数学建模——回归分析模型 多元线性回归模型—— 估计 令上式 对 的偏导数为零，得到正规方程组，用线性代数的方法求解，求得值为： 数学建模——回归分析模型 多元线性回归模型——线性假设的显著性检验 必要性：与一元线性回归模型类似，多元线性回归模型也需要进行拟合优度检验。 样本观测值和回归函数因变量满足关系： 可决系数（判定系数） 为: 可决系数越靠近1，模型对数据的拟合程度越好。 通常可决 系数大于0.80即判定通过检验。 模型检验还有很多方法，以后会逐步接触 数学建模——回归分析模型 多元线性回归模型—应用实例 例2 某厂生产的一种电器的销售量与竞争对手的价格 和本厂的价格 有关。下表是该商品在10个城市的销售记录。 数学建模——回归分析模型 解：分别画出y与x1，y与x2的散点图，判断关系，可以看出y与x2可以看出有线性关系，而y与x1关系较为复杂，现假设关系为： 编写如下Matlab程序： x1=[120 140 190 130 155 175 125