高级生物统计012幻灯片.pptVIP

第二节 曲线回归(curvilinear regression) 一、概述 二、能直线化的曲线函数类型 一、概述 任务：建立曲线回归方程 关键：确定 y 与 x 间曲线关系类型 方法 (一) 利用生物学知识、根据已知的理论规律与实践经验。 例如：细胞增长，呈指数函数上升；放射性元素衰减，呈指数函数下降；动、植物的生长，呈S型—Logisitic曲线(增长过程的有限增长定律或Logistic定律)。 方法(二) 观察实测点的分布趋势与哪一类已知函数曲线最接近 1、 利用可直线化的曲线函数类型 若实测点的分布趋势与可直线化的曲线函数类型接近，则把曲线回归问题转化为直线回归问题来解决。 2、 利用多项式逼近——多项式回归 若实测点的分布趋势与已知可直线化的任一曲线函数类型都不接近，则采用多项式逼近，把曲线回归问题转化为多项式回归问题来解决。 二、能直线化的曲线函数类型 (一) 双曲线函数 (二) 幂函数 (三) 指数函数 (四) 对数函数 (五) logistic生长曲线 (一) 双曲线函数 (二) 幂函数 y=axb (a0) 取自然对数 lny=lna+blnx 令yˊ=lny, aˊ=lna, xˊ=lnx 得 yˊ=aˊ+bxˊ (a=eaˊ) (三) 指数函数 ∵ lny = lna + bx 令 yˊ= lny , aˊ= lna 得 yˊ= aˊ+ bx ( a = eaˊ ) (三) 指数函数 令 得 (四) 对数函数 y = a + blgx 令 xˊ= lgx， 得 y = a + bxˊ 【例1-3】 测定甘薯薯块在生长过程中的鲜重(x , g)和呼吸强度 (y, CO2mg/100g鲜重/h)的关系。结果如下，试作回归分析。 1、 散点图 (n=8) 2、选用 y = axb 直线化 令 yˊ= lgy , xˊ= lgx , aˊ= lga 得 yˊ= aˊ+ bxˊ (a =10aˊ) 3、曲线回归方程 因为 所以 4、 计算相关指数R2 相关指数的大小表示曲线回归方程估测的可靠程度的高低。 SAS程序 data sample1@@; input weight density; wlog=log10(weight); dlog=log10(density); cards; 10 92 38 32 80 21 125 12 200 10 310 7 445 7 480 6 ; proc plot; plot density*weight; run; proc reg; model dlog=wlog; run; (五) logistic生长曲线 1、 基本特征 2. 变量替换——直线化 3. 确定k值 如果 y 是生长量或繁殖量，可取 3 对观测值 若令 ，即 ，也就是等间距，则 【例1·6】 表1-11是测定某种肉鸡在良好的生长过程的数据。试用Logistic生长曲线拟合实测点。 1. 散点图 2、 确定k值 选取三个观测点：(2，0.30) ,(8，2.2),(14，2.8)，得： 3、 直线化 令 经过计算求得： ?  表明 yˊ与 x 间存在极显著线性关系。 4. 还原 5、计算R2 SAS程序 data sample2; input weight@@; retain week 2; week=week+2; weilog=log((2.827-weight)/weight); cards; 0.30 0.86 1.73 2.20 2.47 2.67 2.80 ; proc plot; plot weight*week; run; proc reg; model weilog=week; run; 作业（P22-24） 思考：1、2、3、6、7 书面作业：4、5、8、9、10 因为 所以 表明用此曲线回归方程式摸拟肉鸡生长过程可靠程度达98.77% 。 Copyright ? 2006 Sichuan Agricultu