概率论与数理统计必考点.ppt

* * §8.2 回归分析 一、一元线性回归 二、可线性化的一元非线性回归 多重线性回归 在现实问题中，处于同一个过程中的一些变量，往往是相互依赖和相互制约的，它们之间的相互关系大致可分为两种： 相关关系问题 （1）确定性关系——函数关系； （2）非确定性关系——相关关系； 相关关系表现为这些变量之间有一定的依赖关系，但这种关系并不完全确定，它们之间的关系不能精确地用函数表示出来，这些变量其实是随机变量，或至少有一个是随机变量。 相关关系举例 例如：在气候、土壤、水利、种子和耕作技术等条件基本相同时，某农作物的亩产量 Y 与施肥量 X 之间有一定的关系，但施肥量相同，亩产量却不一定相同。亩产量是一个随机变量。 又如：人的血压 Y 与年龄 X 之间有一定的依赖关系，一般来说，年龄越大，血压越高，但年龄相同的两个人的血压不一定相等。血压是一个随机变量。 农作物的亩产量与施肥量、血压与年龄之间的这种关系称为相关关系，在这些变量中，施肥量、年龄是可控变量，亩产量、血压是不可控变量。一般在讨论相关关系问题中，可控变量称为自变量，不可控变量称为因变量。 函数关系与相关关系的区别 相关关系—— 影响 的值， 函数关系—— 决定 的值， 因此，统计学上讨论两变量的相关关系时，是设法 确定：在给定自变量 的条件下，因变量 的 条件数学期望 不能确定。 回归分析的概念 研究一个随机变量与一个（或几个）可控变量之间 的相关关系的统计方法称为回归分析。 只有一个自变量的回归分析称为一元回归分析；多 于一个自变量的回归分析称为多元回归分析。 引进回归函数 称为回归方程 回归方程反映了因变量 随自变量 的变化而变化 的平均变化情况. 回归分析主要包括四方面的内容 （1）根据样本，建立有相关关系的变量之间的数 量关系式（称为回归方程） （2）对得到的数量关系式的可信度进行检验 回归分析的内容 （4）利用所得到的回归方程进行预测和控制（预测的值也称为回归值或者拟合值）。 （3）判别哪些变量的影响是显著的，哪些不显著 例如：今有某品种大豆脂肪含量 X(%)与蛋白质含量Y(%) 的测定结果如下表，试分析这些数据蕴含的关系。 将每一对观察值在同一 直角坐标系中描出，得 散点图如右： 从散点图看出， 与 具有线性相关关系。 一元线性回归模型 一元线性回归模型 如果试验的散点图中各点呈直线状，则假设这批数 据的数学模型为 设随机变量Y依赖于自变量x，作n次独立试验，得n对观测值： 称这n对观测值为容量为n的一个子样，若把这n对观测值在平面直角坐标系中描点，得到试验的散点图. 其中 ，且相互独立， 则 其中 是与 无关的未知常数。 一元线性回归模型 一般地，称如下数学模型为一元线性模型 而 称为回归函数或回归方程。 称为回归系数。 回归函数（方程）的建立 由观测值 确定的回归 方程 ，应使得 较小。 考虑函数 问题：确定 ，使得 取得极小值。 这是一个二元函数的无条件极值问题。 回归方程的建立 令 回归方程的建立 记 表示对 的估计值, 简写为 则变量 对 的回归方程为 例1、为研究一种过敏新药的施药剂量 X 与过敏症状消除 时间 Y 的相关关系，对 10 个个体的临床试验数据如下 表，试确定其一元线性回归方程。 解： 所求线性回归方程为 回归方程（一元）有效性的检验 对于任何一组数据 ，都可按最 小二乘法确定一个线性函数，但变量 与 之间是否真 有近似于线性函数的相关关系呢？尚需进行假设检验。 假设 如果 成立，则不能认为 与 有线性相关关系。 三种检验方法：F检验法、t-检验法、r检验法。 回归方程有效性的F检验法 记 ——总的偏差平方和，反映观测值与平均值的偏差程度。 经恒等变形，将 分解为 回归方程有效性的F检验法 反映回归值与平均值的偏差，揭示 变量 与 的线性关系所引起的数据波动。 反映观测值与回归值的偏差，揭示试验误差 和非线性关系对试验结果所引起的数据波动。 ——回归平方和 ——剩余平方和， 回归方程有效性的