第9课 方差分析与回归分析.ppt

因此，对给的置信度 ，有于是可得 的置信度为 的预测区间为 （9.2.18） 图9-2 当样本容量 固定， 和 仅与样本观测值有关，从而预测的精度与 有关，当时，带形区域宽度是最窄的，即当越靠近时预测就越精确. 在实际计算中，当样本容量 很大时，对任一给定的 ， 近似地服从正态分布 .因此，可得置信度为 的 的预测区间近似为 置信上下限 ， 都为 的函数，其形状如图9-2，它们形成了一个包含回归直线的带形域，其宽度为 直线 和直线 所夹得带 型区域为 的近似预测区域. 如图9.3 L2 L L1 图 9-3 控制问题为预测问题的反问题. 对于一元线性回归模型，要使得 的观测值 落在一定范围 内，应把 的取值控制在什么范围内？根据（9.1.27）式求 的预测区间的方 法，反过来可求出相应的 ，使得满足 当 时，有 对应的观测值 落在 之间的概率不小于 . 即 当样本容量 很大时，可根据如下方程组 例9.2.3给定 ，求例9.2.1中的供给量的预测区间？ 解 当 时，根据例9.2.1中已求出回归方程可得 求出相应的 注意，为了实现控制，必须使区间 的长度 . 根据例9.3计算的结果有 给定，查表得 ，从而可得 故供给量 的95%的预测区间为 在实际问题，我们经常会遇到一些变量之间的关系不是线性的，而是非线性的.但对于一些特殊问题，可以通过变量代换将它们转化为线性关系，利用线性回归的方法来处理. 有如下常见的类型： （1）双曲型函数 令 ，则 （2）幂函数型 令 ，则 9.2.5 一元非线性回归问题的线性化 （3）对数函数型 令 ，则 （4）指数函数型 （i） ； 令 ，则 （ii） 令 ，则 在具体实际问题中，可以先根据样本观测值作出散点图，然后由散点图呈现的趋势来选配回归方程. 例9.2.4 在彩色显影中，为研究形成染料光学密度之间的关系，测得11组试验数据如下表： 型曲线 作为选配曲线. 表9-9 0.05 0.10 0.14 0.59 0.38 1.19 0.06 0.14 0.20 0.79 0.43 1.25 0.07 0.23 0.25 1.00 0.47 1.29 0. 10 0.37 0.31 1.12 试确定 与 之间的回归关系？ 解 首先画出散点图如图9-4，从散点图的趋势我们可以选用指数 0.2 0.4 0.6 0.8 1 1.2 1.4 0 2 4 6 8 10 12 因此单因素方差分析数学模型为： 图9-4 令 ，求出相应的值如下表： 表9-10 20.000 -2.303 7.143 -0.528 2.632 0.174 16.667 -1.966 5.000 -0.236 2.326 0.223 14.286 -1.470