概率课件4.1精要.ppt

4.1 一元线性回归 1.变量间关系 一、回归分析的基本思想 二、一元线性回归的数学模型 设 还可用F检验： 故检验的拒绝域为 * * 一、回归分析的基本思想 二、一元线性回归的数学模型 是一一对应的确定关系 设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 各观测点落在一条确定的曲线上 1）函数关系 函数关系的例子 某种商品的销售额y与销售量x之间的关系可表示为 y = px (p 为单价) 圆的面积S与半径之间的关系可表示为S=?R2 企业的原材料消耗额y与产量x1 、单位产量消耗x2 、原材料价格x3之间的关系可表示为 y = x1 x2 x3 2）相关关系 变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定 当变量 x 取某个值时，变量 y 的取值可能有多个 ? ? ? ? ? ? ? ? ? x y 相关关系的例子 父亲身高y与子女身高x之间的关系 收入水平y与受教育程度x之间的关系 粮食亩产量y与施肥量x1 、降雨量x2 、温度x3之间的关系 商品的消费量y与居民收入x之间的关系 商品销售额y与广告费支出x之间的关系 变量之间的关系 确定性关系 相关关系 确定性关系 身高和体重 相关关系 　　相关关系的特征是:变量之间的关系很难用一 种精确的方法表示出来. 确定性关系和相关关系的联系 　　由于存在测量误差等原因,确定性关系在实际 问题中往往通过相关关系表示出来;另一方面,当对 事物内部规律了解得更加深刻时,相关关系也有可 能转化为确定性关系. 　　回归分析——处理变量之间的相关关系的一 种数学方法,是最常用的数理统计方法. 线　性回归分析 非线性回归分析 回 归 分 析 一元线性回归分析 多元线性回归分析 问题分析 　　回归分析的任务——根据试验数据估计回归 函数;讨论回归函数中参数的点估计、区间估计; 对回归函数中的参数或者回归函数本身进行假设 检验;利用回归函数进行预测与控制等等. 问题的一般提法 求解步骤 1.推测回归函数的形式 方法一　根据专业知识或者经验公式确定; 方法二　作散点图观察. 温度x(oC) 得率Y(%) 100 110 120 130 140 150 160 170 180 190 45 51 54 61 66 70 74 78 85 89 用MATLAB画出散点图 例1　为研究某一化学反应过程中,温度 对产 品得率Y ( % )的影响, 测得数据如下 . x=100:10:190;y=[45,51,54,61,66,70,74,78,85,89]; plot(x,y,.r) 一元线性回归问题 2.建立回归模型 x为一般变量（预报变量），Y为随机变量，称为响应变量。 3.未知参数 的最小二乘估计 找 ，使得 正规方程组 经验回归直线 理论回归函数 最小二乘估计的图示 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ 例2 例1中的随机变量 Y 符合一元线性回归模型所 述的条件, 求 Y 关于 x 的线性回归方程 . 温度x(oC) 得率Y(%) 100 110 120 130 140 150 160 170 180 190 45 51 54 61 66 70 74 78 85 89 带入上述数据得 故经验回归方程为 最小二乘估计的性质 定理： 注：此处Y分布未知！！ 残差平方和 平方和分解式 记 则 回归平方和 故回归平方和能反映经验回归值的分散程度 又 例3 求例2中方差的无偏估计. 5.显著性检验 考虑正态线性模型 定理： 这里， 对同一批试验数据 ， 固定，若 所占比率越大，说明随机误差所占比率越小，即回归效果越显著。 相关系数及其几何意义 称r为样本相关系数，则 相关系数 绝对值越大，说明回归效果越显著，故可检验假设 拒绝域形式为 若令 则 由前面定理知，当原假设成立时 故临界值