多元线性回归分析模型.doc

课 题 第四章 概率统计模型 多元线性回归分析 决策模型 教学内容 多元线性回归分析 随机决策模型的基本原理与解法，及应用举例。 教学目标 1.掌握多元线性回归分析的基本原理和建模的基本过程。 2.能够运用多元回归分析模型解决实际问题并进行模型分析。 3.掌握决策模型的计算方法，能够运用决策模型解决实际问题并进行模型分析 教学重点 1．多元线性回归分析的基本原理，基本过程及其计算方法。 2.掌握随机决策模型的基本原理和建模的基本过程。 3.掌握决策模型的计算方法。 4.实际建模训练 教学难点 多元线性回归分析的基本原理及其数值计算、运用模型解决实际问题 随机决策模型的基本原理及其决策准则的确定 双语教学内容、安排 Linear regression analysis 线性回归分析 Multivariate regression analysis 多元回归分析 decision analysis 决策分析 Decision rule 决策规则 Decision tree 决策树 教学手段、措施 采用多媒体教学的形式。以电子课件为主，粉笔黑板相结合为辅，使学生能够充分利用课堂有效的时间了解尽可能多的相关知识 作业、后记 教学过程及教学设计 备注 §4.1多元线性回归分析 一．问题提出 水泥凝固时放出热量问题：某种水泥在凝固时放出的热是与水泥中下列4种化学成分有关。 的成分（%） 的成分（%） 的成分（%） 的成分（%） 现记录了13组数据，列在表4－1中，根据表中的数据，试研究与四种成份的关系。 表4－1 编号 1 7 26 6 60 78.5 2 1 29 15 52 74.5 3 11 56 8 20 104.3 4 11 31 8 47 87.6 5 7 52 6 33 95.9 6 11 55 9 22 109.2 7 3 71 17 6 102.7 8 1 31 22 44 72.5 9 2 54 18 22 93.1 10 21 47 4 26 115.9 11 1 40 23 34 83.8 12 11 66 9 12 113.3 13 10 68 8 12 109.4 在现实生活中，变量与变量之间经常存在一定的关系，一般来说，变量之间的关系可以分为两大类，一类是确定性的关系，这种关系通常用函数来表示。例如，已知圆的半径，那么圆的面积与半径的关系就可用函数关系： 来表示，这时如果取定了的值，的值就会完全确定了。另一类是非确定性关系，例如，人的体重与身高之间的关系就是非确定性关系，一般来说，身高越高，体重越大，但是身高相同的人体重往往是不相同的。再如，钢材的强度与钢材中含某种元素的含量，纤维的拉伸倍数与强度，降雨量、气温、施肥量与农作物的产量等均属于这种关系。变量之间的这种非确定性关系通常称为相关关系。 二．多元线性回归分析模型 为了研究方便，我们考虑一个变量受其他变量影响时，把这变量称为因变量，记为，其他变量称为自变量，记为，这时相关关系可记作 （4－1） 其中为当时，因变量的均值，即 称为对的回归函数，为与的偏差，它是随机变量，并假定。 回归函数可以是一元函数，也可以是多元函数，即 （4－2） 其中 为元回归函数，统称为多元回归函数。 若回归函数中，且是线性函数，则称为是一元线性回归函数；且是多元线性函数，则称其为多元线性回归函数；若回归函数是非线性函数，则称其为非线性回归函数。对非线性回归，经常采用线性化的方法来处理。所以，目前研究最多的是线性回归问题，且假定和均服从正态分布。回归分析的任务就是要求出满足式（4－2）的回归函数,从而对所研究的相关关系做出所需的预测和控制。 多元回归模型的应用是相当广泛的，例如，某种商品的销售量可能受收入水平、风俗习惯、产品质量、价格、宣传广告等多种因素的影响；某种产品的质量可能受生产该产品时的温度、湿度、压力、原材料的质量和有害成分的含量等影响；工人的劳动生产率可能受学历、智力水平、情绪的稳定性和才能等因素的影响；某城市的用水量可能与该城市的人口数及工业总产值有关。诸如此类的关系，可以通过多元回归分析模型进行研究。 例如，在水泥凝固时放出热量问题中，可建立线性回归模型 （4-3） 其中。 而和是未知参数，为了估计这些参数，将表4－1的值代入模型（4－3），得线性模型 （4-4） 一般地，多元线性回归模型可表示为： （4