- 1、本文档共21页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第5讲:线性与非线性回归分析初步第1次课1
第五讲 一元/多元线性回归(上) 内容:线性回归简言之就是用统计数据寻求变量 间线性相关关系的近似表达式的一种方法 目的:学习回归分析的基本思想和方法,掌握 Matlab的一元/多元线性回归函数和工具 要求:掌握Matlab线性回归分析,处理应用问题 了解回归分析的基本思想和方法 了解回归分析的基本类型和实现步骤 掌握线性回归函数 regress rcoplot robustfit 掌握交互式回归分析工具 rstool stepwise 回归分析的基本思想和方法 在客观世界中普遍存在着变量之间的关系,变量之间的关系一般来说可分为确定性的与非确定性的两种。确定性关系是指变量之间可以用确定的函数关系来表达 (插值或拟合)。非确定性关系,例如人的身高和体重的关系、人的血压和年龄的关系、某产品的广告投入与销售额间的关系等,它们之间是有关联的,但又不能用普通函数来表示,我们称这类非确定性关系为相关关系。 具有相关关系的变量在很多时候涉及到随机变量,虽然不具有确定的函数关系,但是可以借助函数关系来近似表示它们之间的统计规律,这种近似地表示它们之间的相关关系的函数被称为回归函数,对应的数学方法称为回归分析。 回归分析的基本思想和方法 常见概率密度函数、累积分布函数... ( help stats ) 回归分析的基本思想和方法 回归分析是数学建模的有力工具,那么我们要建立回归函数的数学模型,一般需要以下步骤: 1、采集一组包含自变量和因变量的数据; 2、选定自变量与因变量之间的模型,利用数据 按照最小二乘准则计算模型中的系数; 3、利用统计分析方法对不同的模型进行比较, 找出与数据拟合得最好的模型; 4、判断得到的模型是否适合于这组数据,诊断 有无不适合回归模型的异常数据; 5、利用模型对因变量做出预测或解释。 附注:在第2步中,选定自变量与因变量的模型时,一般是凭经验选取模型。回归分析主要包括一元线性回归,多元线性回归以及非线性回归 一元线性回归( linear regression ) 基于最小二乘的一元线性回归函数regress: Unary Linear Regression Analysis: b = regress(y,X)回归系数的点估计 [b,bint,r,rint,stats] = regress(y,X,alpha) 回归系数的点估计和区间估计,并检验回归模型 范例 为实时地调整切削机床,需测定刀具的磨损程度,每隔一小时测量刀具的厚度得到以下的数据,试建立刀具厚度关于切削时间的回归模型,对模型和系数进行检验,预测15小时后刀具的厚度: 一元线性回归( linear regression ) 1、对原始数据进行观察,确定回归模型: x=0:1:10; y=[30.6,29.1,28.4,28.1,28.0,27.7,27.5,27.2,27.0,26.8,26.5]; plot(x,y,rs,linewidth,2); 一元线性回归( linear regression ) 2、线性回归函数regress相关参数的统计学意义: 一元线性回归( linear regression ) 3、计算回归模型各项系数并绘制时序残差图: x=0:1:10; y=[30.6,29.1,28.4,28.1,28.0,27.7,27.5,27.2,27.0,26.8,26.5]; alpha=0.05; x=[ones(length(x),1),x]; y=y; [b,bint,r,rint,stats]=regress(y,x,alpha);%线性回归 disp([回归系数b估计值:, num2str(b)]); disp([相关系数R绝对值:,num2str(sqrt(stats(1)))]); %此值至少间于0.8~1,越接近1越显著 disp([假设检验统计量F:,num2str(stats(2))]); %此值大于对应反查F累积分布表值,越大于越显著。 %查表finv(1-alpha,变量数,数据数-变量数-1)如finv(0.95,1,9) disp([统计量F对应概率P:,num2str(stats(3))]); %此值小于alpha(默认0.05),越小于越显著 rcoplot(r,rint) %画出残差及其置信区间(时序残差图) fprintf(回归函数为 y=%.4f+%.4f*x\n,b(1),b(2)); 一元线性回归( linear regression ) 4、诊断并剔除不适合回归模型的异常数据: %为了方便多次回归,此处daoju.m已作适当改
您可能关注的文档
- 空间几何体的结构及三视图、直观图习题课9.ppt
- 空调及加热系统培训.ppt
- 空间几何体的直观图7.ppt
- 空间响亮.ppt
- 穿越火线活动策划书.doc
- 穿墙透壁.doc
- 突出项目引进 加快园区建设.doc
- 穿印度纱丽服的俄罗斯模特.ppt
- 突发传染病应对措施.doc
- 移交生产后质监典型大纲.doc
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
文档评论(0)