矿脉分布的回归模型建立与选择的论文.docVIP

　　矿脉分布的回归模型建立与选择的论文 　　论文关键词：散点图　回归模型　剩余标准差 　　论文摘要：本文主要研究的是矿脉分布的模型建立，通过对已知数据的分析，作出散点图，然后建立合适的回归模型，如：线性模型、二次模型、双曲线模型、对数模型等。运用matlab软件，通过对建立模型的剩余标准差比较，选择出最合适的回归模型为二次模型。通过对论文的研究，熟悉matlab软件的应用以及在模型建立中对模型选择的认识。 　　1 引言 　　本文通过研究矿脉的分布的研究，建立回归模型，包括线性模型、二次模型、双曲线模型、对数模型等模型。应用matlab软件对模型的比较与分析，选择出最合适的模型并对结果进行分析。 　　2 模型分析 　　2.1 问题的重述 　　一矿脉有13个相邻样本点，人为地设定一原点，现测得各样本点对原点的距离x，与该样本点处某种金属含量y 的一组数据如下（附录表2.1），画出散点图观测二者的关系，试建立合适的回归模型，如二次曲线、双曲线、对数曲线等。 　　2.2 问题的分析 　　2.2.1 模型假设 　　本问题中没有给出明确的模型选择，我们先画出其散点图，然后对其分析，建立模型。 　　从数理统计的观点看，这里涉及的都是随机变量，我们根据一个样本计算出的那些系数，只是它们的一个（点）估计，应该对它们作区间估计或假设检验，如果置信区间太大，甚至包含了零点，那么系数的估计值是没有多大意义的。.另外也可以用方差分析方法对模型的误差进行分析，对拟合的优劣给出评价。 　　具体地说，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 quote … quote 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。 　　2.2.2 模型建立 matlab 统计工具箱用命令regress 实现多元线性回归，用的方法是最小二乘法，用法是：b=regress(y,x). 　　其中x ，y是按照 quote ， quote 式排列的数据，b 为回归系数估计值为 quote 通过码头matlab建立回归模型。 　　[b,bint, ,rint,stats]=regress(y,x,alpha) 这里y,x 同上，alpha 为显著性水平（缺省时设定为0.05 ），b,bint 为回归系数估计值 和它们的置信区间，,rint 为残差 （向量）及其置信区间，stats 是用于检验回归模型的统计量，有三个数值，第一个是 quote ,第二个是 quote ，第三个是与f对应的概率p，p quote 拒绝 quote ，回归模型成立.残差以及置信区间可以用rcoplot( ,rint)画图。 　　3 模型求解 　　3.1散点图模型的求解 输入程序及题目数据，绘出散点图： lt;图3.1gt; 　　从图像上看，如果第一个点数据剔除，线性关系比较明显，但并不能排除其他模型。下面就对几种模型都加以计算比较。（图3.1，程序见附录3.1） 　　3.1.1 线性模型 　　输入程序得到图（3.2），程序见附录3.2 lt;图3.2gt; 结果输出： b =108.2581 0.1742 bint =107.2794 109.2367 0.0891 0.2593 stats =0.6484 20.2866 0.0009 　　线性相关系数较小，线性回归模型在alphagt;0.0009成立第一个点为异常点（仅指线性模型下），予以剔除，再次输入程序得图（3.3），程序见附录3.3 lt;图3.3gt; 结果输出： b =109.0668 0.1159 3.4）,程序见附录3.5 lt;图3.4gt; 输出结果：b =111.4405 -9.0300 bint =111.1068 111.7743 -10.6711 -7.3889 stats =0.9302 146.6733 0.0000 有两个异常点，剔除后再次输入程序可得图（3.5），程序见附录3.6 lt;图3.5gt; 输出结果：b =111.5653 -10.9938 bint =111.2882 63 bint =105.6382 107.7844 1.0828 2.0499 stats =0.8221 50.8285 0.0000 剔除异常点，重新输入程序计算可得图（3.7），程序见附录3.8 lt;图3.7gt; 输入结果：b =107.9762 1.0496 bint =107.6403 108.3121 0.9037 1.1956 stats =0.9625 256.7014 0