第二章回归模型(1-4)题稿.ppt

  1. 1、本文档共43页,可阅读全部内容。
  2. 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. 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. 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
第二章 回归模型 §2-1 回归分析的意义 一、概念:回归分析是处理变量之间相关关系的一种数理统计方法,在生产和科学实验中,某一客观现象的统一体中,其变量往往客观上存在一定的关系,为了了解事物的本质,往往需要找出描述这些变量之间依存关系的数学表达式,这就是需要采用回归分析进行处理。 例如:煤的灰分与密度之间就存在着某种不确定的关系,其关系近似成正比关系,根据实验数据可采用回归分析求出其关系表达式。 变量之间关系可以分成二类:①完全确定关系,例如欧姆定律;②另一类为不确定关系;如上例,选矿生产过程中就存在着大量的这种不确定关系,变量之间这种不确定关系称为相关关系,这种关系可利用数理统计方法找到。 二、回归分析主要解决以下三方面问题 (1)根据试验数据,研究变量之间的相关关系,找出定量的关系式和其中的参数。 (2)由于关系或是一种相关关系,所以需要进一步找出它的可信程度,为此,要进行统计检验。 (3)如果关系式中有许多自变量,则判断这些自变量的显著性,并剔除影响不显著的自变量。 §2-2 可疑数据的处理 在进行回归运行之前应根据误差理论对观测数据进行处理,因为在一组试验数据中,如果混杂异常数据,就会歪曲整个试验结果,影响所建立的模型,所以必须运用正确的方法舍弃其中异常的数据。 常用的判别方法有拉依达准则(3σ准则)和肖维勒准则。 (1)3σ准则: 其准则认为:某一观测值的剩余误差绝对值大于3σ时,该数据就应被舍弃。 a) σ为观测数据的标准差,即 其中 式中: ——观测值; ——为的平均值。 n——观测次数; f——自由度。 当N≤(20~30) 时,f=n-1; 当N≥30时 ,f=n-1≈n, 观测值 与 之差称为离差,以g表示, 即: 3σ准则判据为: 时,即认为该数据可疑,应剔除。 b)当剔除某一观测数据后,对余下的n-1个数据重新计算σ及 ,然后重复按上述方法检验,直到所有观测数据的离差 均满足要求为止。 c)注意条件: 3σ准则是建立在n→∞的前提下,当n有限或较小时,3σ准则不十分可靠,这时应采用肖维涅准则。 (2)肖维涅准则 a)肖维涅准则是按下式进行判断的: 当 时,认为该数据可疑。 式中K为与观测次数n有关的参数。 并且,K值随着n的增大而增大。 b)当剔除掉某一数据以后,把剩下的观测数据重新计算和检验,直至所有观测值离差的绝对值小于Kσ为止。 c)注意条件 当n10时,使用该准则较勉强; 当n≈185时,肖维涅准则与3σ准则相当; 当n185时,肖维涅准则较3σ准则窄 当n185时,肖维涅准则较3σ准则宽。 §2-3 模型形式的确定 1.从建模和求解方便来看,总希望模型的形式简单一点,所含的变量和参数不要太多;但从模型的使用角度看,则要计算结果准确,反映真实,所以从这一点看又得要把模型选配的复杂些。 2.常用的模型形式有一元线性模型。一元非线性模型,多元线性模型,多元非线性模型及多项式模型。 3.利用回归分析所建立的数学模型主要是线性回归模型,及多项式回归模型,以及一些可以通过初等变换转化为线性的一元非线性回归模型。下面我们先介绍一元线性回归模型。 §2-4 一元线性回归模型 一元线性回归分析是最简单的一种回归分析、它所研究的对象是二个变量之间的相关关系。 设有N对实验数据 ,其中x为确定性变量,y为服从正态分布的随机变量,如果它们之间存在线性关系,则可以用一个线性方程表示。 式中: 为回归方程计算值,a,b为待定系数(模型参数) 一、参数a,b的最小二乘法估计 1.统计分析: 对于上述的一组试验数据(xi,yi),i=1, 2, …, n。由数理统计知识得: 离差= 剩余偏差(残差)= 回归差= 其中: —试验值; —计算值; —平均值。 同时可知: 离差平方和 剩余平方和 回归平方和 由散点图可知: 则总离差平方和

文档评论(0)

希望之星 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档