工程硕士数理统计课件第7讲.pptVIP

一、回归分析的基本概念 二、一元线性回归模型 三、预测 四、应用案例 第五章 一元线性回归 退 出 前一页 后一页 目 录 可人为改变(可控因素) 化工产品苯酚的产率记为 影响产率的五个主要 因素有 温度 时间 压力 催化剂种类 碱液用量 、 、 、 、 随各 的变化而变化,即 是因变量 即使各 相同 的值也不完全相同,故 是 即有 进行统计推断 一般地, 未知,如何确定 对回归函数 是普通函数,表示 与各 之间的确定性关系 不可观测的随机误差 一、回归分析的基本概念 可用函数 表示 带有随机性,不能用确定的函数表示 人的身高 与体重 之间存在一定关系 人的年龄 与血压 之间存在一定关系 某地温度 与湿度 之间存在一定关系 广告投入 与销量 之间存在一定关系 复习时间 与成绩 之间存在一定关系 x、y 之间存在一种随机的相依关系:相关关系 可以任意给定，或可以控制，或可以观察的量 随着 的变化而变化，即使对于相同 的值， 的取值也不相同，因而 是R.V 称 为自变量，或控制变量 称 为因变量，或响应变量 研究自变量与因变量之间的相关关系的一种数学工具。 提供了变量之间相关关系的一种近似表达：经验公式 变量的特点 回归分析研究的内容 回归分析的任务 根据X取定一组值 ，和Y的观测值 去估计这个函数 ，以及讨论与此有关的种种统计推断问题。 回归分析的分类 根据f(x)的不同数学形式，可分为： 线性回归 非线性回归 一元线性回归 多元线性回归 一元非线性回归 多元非线性回归 回归分析解决的基本问题 （1）如何根据抽样信息确定线性回归函数f(x)中的参数的估计量。 （2）检验回归模型假设的正确性。 （3）如何应用回归分析进行预测和控制。 回归一词是英国著名人类学家和气象学家高尔顿于1885年引入的.在“身高遗传中的平庸回归”的论文中,高尔顿阐述了他的重大发现：虽然高个子的先代会有高个子的后代,但子代的身高并不象其父代,而是趋向于比他们的父代更加平均,就是说如果父亲身材高大,则子代的身材要比父代矮小一些；如果父亲身材矮小,则子代的身材要比父代高大一些.换言之,子代的身高有向平均值靠拢的趋向.因此,他用回归一词来描述子代身高与父代身高的这种关系. 是自然界的一种现象,是一种自然规律. 二、一元线性回归模型 设儿子身高为 ,父亲身高为 英国著名统计学家皮尔逊等人搜集了上千个家庭成员的身高数据,分析得出 ,它们具有相关关系 假设 为线性函数,即有 (单位:英寸) 故有 儿子身高 与父亲身高 的回归模型 170cm 175cm 180cm ，即设 则得到一元线性回归模型 未知,怎样求回归函数？ 通常假设 为一多项式 最简单的假设是设 为线性函数 估计回归函数 估计系数 于是 即怎样估计 ？ 对 作线性假设的数学原理是什么？ 其中 是可观察的控制变量， 是响应变量(r.v)。 与 之间有怎样的关系？ 的影响,测得数据如下 为研究某化学反应过程中,温度 对产品得率 即 具有如下形式 对于一元线性回归模型 未知参数 的点估计是什么？ 线性模型的假设是否符合实际？ 怎样将线性模型用于控制？ 怎样将线性模型用于预测？ 怎样将非线性问题化为线性模型？ ,称 取 的 个不全相同的值 作 次独立试验， 得 的观察值为 为样本. 是否独立？ 是否同分布？ 以后称 为样本 代入线性模型，则有 独立同分布, 记 则 若 全相同，则试验数据只反映随机误差 ,令 记 得正规方程组 不全相同 从而求得 的 MLE 为 的 为 其中 从而得到 的估计为 称为经验回归函数. 为 关于 的经验回归方程(回归方程) 称方程 为计算方便，引入记号 求回归方程的一般步骤： （1）计算 （2）计算 （3）计算 （4）写出回归方程 进一步还可以做点预测和区间预测， 例如当 , LSE 的几何意义 找使得这些垂直偏差的平方和尽可能小的那条直线 例 为研究某化学反应过程中，温度 (℃)对产品得率 的影响，测得数据如下 求 关于 的线性回归方程. 解 先计算各数据项 故得 从而得 关于 的线性回归方程为 练习．炼铝厂测得所产铸模用的铝的硬度 与抗张强度 的数据如下表所示. 求线性回归方程 ;