数学建模公选课第六讲.pptVIP

结果为: b = 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005 法二 To MATLAB(liti32) 返回 将 化为多元线性回归： 非线性回 归 （1）确定回归系数的命令： [beta，r，J]=nlinfit（x，y，’model’, beta0） （2）非线性回归命令：nlintool（x，y，’model’, beta0，alpha） 1、回归： 残差 Jacobian矩阵 回归系数的初值 是事先用m-文件定义的非线性函数 估计出的回归系数 输入数据x、y分别为 矩阵和n维列向量，对一元非线性回归，x为n维列向量。 2、预测和预测误差估计： [Y，DELTA]=nlpredci（’model’, x，beta，r，J） 求nlinfit 或nlintool所得的回归函数在x处的预测值Y及预测值的显著性为1-alpha的置信区间Y DELTA. 例 4 对第一节例2，求解如下： 2、输入数据： x=2:16; y=[6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76]; beta0=[8 2]; 3、求回归系数： [beta,r ,J]=nlinfit(x,y,volum,beta0)； beta 得结果：beta = 11.6036 -1.0641 即得回归模型为： To MATLAB(liti41) 4、预测及作图： [YY,delta]=nlpredci(volum,x,beta,r ,J)； plot(x,y,k+,x,YY,r) To MATLAB(liti42) 例5 财政收入预测问题：财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等因素有关。下表列出了1952-1981年的原始数据，试构造预测模型。 解 设国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资分别为x1、x2、x3、x4、x5、x6，财政收入为y，设变量之间的关系为： y= ax1+bx2+cx3+dx4+ex5+fx6 使用非线性回归方法求解。 * * 数学建模公选课 基础教研室 第六讲:回归分析模型 一、数学模型 如：测16名成年女子的身高与腿长所得数据如下： 以身高x为横坐标，以腿长y为纵坐标将这些数据点（xI，yi）在平面直角坐标系上标出. 散点图 第一节。回归分析 一般地，称由 确定的模型为一元线性回归模型。其中，未知参数a、b称为回归系数，自变量称为回归变量。 称为y对x的回归直线方程。 一元线性回归分析的主要任务是： 1.用试验值（样本值）对a、b和方差作矩估计； 2.对回归系数a、b作假设检验； 3.对y作预测和区间估计。 二、模型参数估计 1、回归系数的最小二乘估计 有n组独立观测值： 记 最小二乘法就是选择a、b的估计值，使得Q最小。根据极值存在第二必要条件，得知此时Q对a和b的二阶偏导数同时为零。 得： 检验（1）相关系数的检验； （2）判定系数； （3）线性回归方程的显著性检验； 三、检验、预测与控制 1、回归方程的显著性检验 （1）相关系数的显著性检验（t检验法） 提出假设： （2）判定系数 用来衡量是否存在依存关系的指标，究竟有多大的随机影响可能性。 （3）线性回归方程的显著性检验 假设： 选回归系数b的检验统计量： 是回归系数b的标准差。 选显著性水平，结合自由度查表得t临界值 确定拒绝域 2、预测与控制 （1）预测 例：一位心理学家获得了10个工人的智商值和劳动生产率的数据，其结果如下表所示。试拟合一条曲线，建立一个数学模型，并根据模型和某一个人的智商值120，预测其劳动生产率。 5042.60 210.84 124