数学建模作业.docx

院 系： 数学学院 专 业： 信息与计算科学 年 级： 2014级 学生姓名： 王继禹 学 号： 201401050335 教师姓名： 徐霞  MACROBUTTON MTEditEquationSection2 Equation Chapter 1 Section 1 SEQ MTEqn \r \h \* MERGEFORMAT  SEQ MTSec \r 1 \h \* MERGEFORMAT  SEQ MTChap \r 1 \h \* MERGEFORMAT  1、考察温度x对产量y的影响，测得下列10组数据： 温度（℃）20253035404550556065产量（kg）13.215.116.417.117.918.719.621.222.524.3求y关于x的线性回归方程，检验回归效果是否显著，并预测x=42℃时产量的估值及预测区间（置信度95%）. 解： (1)输入数据： x=[20 25 30 35 40 45 50 55 60 65]; X=[ones(10,1) x]; Y=[13.2 15.1 16.4 17.1 17.9 18.7 19.6 21.2 22.5 24.3]; (2) 回归分析及检验： 输入以下命令： [b,bint,r,rint,stats]=regress(Y,X) 得结果： b = 9.1212 0.2230 bint = 8.0211 10.2214 0.1985 0.2476 stats = 0.9821 439.8311 0.0000 0.2333 即 ， 的置信区间为[8.0211，10.2214], 的置信区间为[0.1985，0.2476]， ，p0.05, 可知回归模型成立。 y关于x的线性回归方程的回归效果是显著的。 (3) 残差分析，作残差图： 在(2)输入命令得出结果的基础上，再输入命令： rcoplot(r,rint) 得到残差图1： 图1 从残差图图1可以看出，所有数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型能较好地符合原始数据。 (4)预测及作图 在(3)的命令基础上，再输入以下命令： z=b(1)+b(2)*x 再输入作图命令： plot(X,Y,k+,X,z,r) 得到各数据点及回归方程的图形如图2. 图2 结论：由图2可以看出回归直线很好的拟合了所有数据点。 (5)计算当x=42℃时，产量的估值及预测区间： 在(4)的命令基础上，输入以下程序： x=42; z0=b(1)+b(2)*x 得结果： z0 = 18.488 所以，当x=42℃时，产量的估值为18.488kg及预测区间为[16.3581，20.6206] （置信度95%）。 2、某零件上有一段??线，为了在程序控制机床上加工这一零件，需要求这段曲线的解析表达式，在曲线横坐标xi处测得纵坐标yi共11对数据如下： xi02468101214161820yi0.62.04.47.511.817.123.331.239.649.761.7求这段曲线的纵坐标y关于横坐标x的二次多项式回归方程. 解： (1) 输入数据： x=[0 2 4 6 8 10 12 14 16 18 20]; y=[0.6 2.0 4.4 7.5 11.8 17.1 23.3 31.2 39.6 49.7 61.7]; (2)作二次多项式回归： [p,s]=polyfit(x,y,2) 得结果： p = 0.1403 0.1971 1.0105 S = R: [3x3 double] df: 8 normr: 1.1097 即这段曲线的纵坐标y关于横坐标x的二次多项式回归方程为 (3) 预测及作图 在matlab中输入的程序： x=[0 2 4 6 8 10 12 14 16 18 20]; y=[0.6 2.0 4.4 7.5 11.8 17.1 23.3 31.2 39.6 49.7 61.7]; [p,s]=polyfit(x,y,2) 得出结果再输入： Y=polyconf(p,