第六章回归试卷.pptVIP

数学建模基础;2012年04月;回归分析在一组数据的基础上研究这样几个问题： （i）建立因变量y与自变量x , x , , xm 1 2 L 之间的回归模型（经验公式）； （ii）对回归模型的可信度进行检验； （iii）判断每个自变量x (i 1,2, ,m) i = L 对y 的影响是否显著； （iv）诊断回归模型是否适合这组数据； （v）利用回归模型对y 进行预报或控制。;一元线性回归;一、数学模型;一元线性回归分析的主要任务是：;二、模型参数估计;其中;一个好的拟合方程，其残差应越小越好。残差越小，拟合值与观测值越接近，各观测点在拟合直线周围聚集的紧密程度越高，也就是说，拟合方程 解释y 的能力越强。另外，当剩余标准差 越小时，还说明残差值的变异程度越小。由于残差的样本均值为零。所以，其离散范围越小，拟合的模型就越为精确。;三、检验、预测与控制;（Ⅰ）F检验法;（Ⅲ）r检验法;2、回归系数的置信区间;3、预测与控制;（2）控制;四、可线性化的一元非线性回归 （曲线回归）;散 点 图;通常选择的六类曲线如下：;一、数学模型及定义;二、模型参数估计;三、多元线性回归中的检验与预测;2、预测;四、逐步回归分析; 这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。 ;统计工具箱中的回归分析命令;多元线性回归; 3、画出残差及其置信区间： rcoplot（r，rint） ;例1;3、残差分析，作残差图： rcoplot(r,rint);;法一;法二;（二）多元二项式回归; 例3 设某商品的需求量与消费者的平均收入、商品价格的统计数 据如下，建立回归模型，预测平均收入为1000、价格为6时 的商品需求量.; 在画面左下方的下拉式菜单中选”all”, 则beta、rmse和residuals都传送到Matlab工作区中.;在Matlab工作区中输入命令： beta, rmse;结果为: b = 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005;;例 4 对第一节例2，求解如下：;逐 步 回 归;例6 水泥凝固时放出的热量y与水泥中4种化学成分x1、x2、x3、 x4 有关，今测得一组数据如下，试用逐步回???法确定一个 线性模 型.;2、逐步回归： （1）先在初始模型中取全部自变量： stepwise(x,y) 得图Stepwise Plot 和表Stepwise Table;（2）在图Stepwise Plot中点击直线3和直线4，移去变量x3和x4;（3）对变量y和x1、x2作线性回归： X=[ones(13,1) x1 x2]; b=regress(y,X);作 业