曲线回归优选 科学技术文学.pdfVIP

概 论 在客观世界 中，变量与变量之 间如果存在着一定的相关关系 ，那么这种关系可 以分为确 定性 的关系和非确定性的关系两类 。前者是当 自变量 的值给定后 ，应变量 只有一个值与之 对应 ，例如 ，式中 为半径 ， 为圆面积 ，这就是数学上的函数关系，不属于数理统 计讨论 的内容 ；后者是当 自变量 确定之后，应变量 的值不是唯一确定的值 ，例如药物剂 量与其反应之 间，人 的身高与体重之 间，酶活性与 值之间，细菌培养时间与细菌数量之间 等 ，它们既存在着密切关系 ，又不能 由一个变量 的值精确地求 出另一个变量 的值 ，这就是数 理统计学讨论的相关分析和 回归分析 。 世纪英 国遗传学家高尔登 ，在血缘关系的研究中发现 ：一组高个子 父亲 的儿子 ，比其父更高 的概率要小于 比其父矮 的概率 ；同样 ，一组矮个子父亲 的儿子 ，比 其父更矮 的概率亦小于 比其父高的概率 。这两组高矮不 同父亲 的儿子 ，在身高方面有着 向总 体 “回归”的趋势 。从此 以后 ，人们便将 回归一词作为统计研究事物相互关系的专用语 。 定义　　回归分析是指具有相互联系的事物或现象 ，根据其关系形式选用一个合适 的数学 模式 ，近似地表达其变量间平均变化关系的一种统计分析方法 。 因此 ，回归分析是研究 自变量与应变量之 间的关系 ，求 出回归方程式 。相关分析是用相 关系数（ ）来度量回归方程式所描述的各个变量之间的密切程度 。 如果直接用原始测定值 ，任意地将其连接 ，作 回归分析 ，这是不可能正确反映两变量之 间的关系 ，而往往得到错误的结论 。也就是说 ，原始测定值是 “实践 ”，必须上升为 “理性认 识” （拟合的曲线），然后再用拟合的曲线即标准曲线指导工作 （随机预测），这是辩证唯物论 的基本 知识 。 类型　　回归分析是研究两个或两个 以上变量 间的关系形式 ，如果应变量与 自变量 的关系 是线性 的，则称线性 回归分析 ；反之 ，称非线性 回归分析 。在线性 回归分析 中，可分为单元 线性 回归分析和多元线性 回归分析 。 一　　　　单元线性回归分析　　研究一个 自变量与应变量相互关系，其模式为： 式中 为 自变量 ， 为应变量 ， 为截距 ， 为 回归系数 。 二　　　　多元线性回归分析　　研究多个 自变量与应变量相互关系，其模式为： 式中 ，分别为 对 的偏 回归系数。 在单元线性回归中，当各实测点 （ ， ）密集在一条直线周围时，回归分析的任务就是 采用一定的方法 （常用最小二乘法 ），求出一条实测点 （变量值 ），与该直线的纵向距离的平方 和 为最小值 的直线方程 ，也就是配直线或直线拟合 。如果 自变量与应变量之间 的分布不是直线关系 （即非线性关系 ）时，就要选择恰当类型的曲线 ，使之更符合实际情况 ， 所 以称为配 曲线 ，也叫曲线拟合 。 用途　　回归分析在 医学研 究、医院管理和 日常工作 中用途很广 ，常用于预测和控制 。 。寻找 应变量 ）和 自变量（ ）之间的关系，并用回归方程来表达这种关系 。例如，儿 科要按体重确定给药量 ，对 岁儿童的年龄与体重关系的回归方程式为： 确定两变量 间的函数关系之后 ，由已知的变量值推估未知的变量值 。例如，检验科根 据 回归方程从 已知的吸光度来推估未知的谷丙转氨酶的单位 。 对总体 回归直线作出估计，说明样本 回归直线的可信程度 。 确定正常值范围。 第一章　　回归分析 由于变量 的离散性和随机性 ，在拟合直线或 曲线时必须根据实测点的不 同分布选用不 同 的数学模式，方能得 出满意的回归结果，但是在实际工作 中往往 因计算工作量太大 ，而难 以 达到择优 目的，因此 ，同一组标准样 品实验数据 ，用不 同方法建立标准 曲线，其计算结果是 不 同的，