试验43多元线性回归模型.docVIP

第四章 回归分析 回归分析就是根据实验数据或历史数据，研究变量之间的相关关系，建立起一个数学模型，进而将此模型用于预测或控制.如果研究两个变量之间的关系，则称为一元回归模型（即一元函数拟合），如果研究变量与多个变量之间的关系，则称为多元回归模型（即多元函数拟合）。 实验4.1多项式拟合 实验目的 (1) 掌握多项式回归的Matlab命令， (2) 熟练计算残差平方和与可决系数，并能据此进行拟合效果分析。 一元回归模型中，如果是多项式函数，则称为多项式回归，此时的参数即多项式的系数；如果为指数函数、对数函数、幂函数或三角函数比如等(是待定的参数），则称为非线性拟合. 实验内容 在Matlab中多项式拟合与求值的命令如下： p=polyfit(x,y,n) 其中输入：x为自变量，y为因变量，n是多项式的阶数； 输出：p是按降幂排列的多项式的系数. polyval(p,x) %计算以p为系数的多项式在x处的函数值。 对于多项式拟合一般有以下几个步骤： （1）polyfit求其系数； （3）根据多项式的值计算残差平方和与可决系数，比较拟合效果。 计算可决系数的公式为 其中 ,显然，越趋近于1表明拟合效果越好. 【例题4.1】为了分析X射线的杀菌作用，用200千伏的X射线来照射细菌，每次照射6分钟，照射次数记为t，照射后的细菌数y如表4.1所示： 表4.1 X射线照射次数与残留细菌数 t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 y 352 211 197 160 142 106 104 60 56 38 36 32 21 19 15 试求：（1）y与t的二次函数与三次函数关系；（2）在同一坐标系内作出原始数据与拟合结果的散点图；（3）建立评价标准判断二次函数与三次函数拟合效果；（4）根据问题的实际意义你认为选择多项式函数是否合适？ 解：首先做散点图：（见图4.1） t=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]; y=[ 352 211 197 160 142 106 104 60 56 38 36 32 21 19 15]; plot(t,y,-o) 图4.1 原始数据散点图 根据题目要求，求y与t的二次函数关系，输入命令： p=polyfit(t,y,2) 得到p =1.9897 -51.1394 347.8967， 即二次函数为： 同理可得三次函数为： 在同一坐标系内作出原始数据、二次函数、三次函数的图形（见图4.2）。 继续输入命令： y2=1.9897*t.^2-51.1394*t+347.8967?; y3=-0.1777*t.^3+6.2557*t.^2-79.3303*t+391.4095?; plot(t,y,*,t,y2,o,t,y3,+), legend(原始数据,二次函数,三次函数) 图4.2 原始数据与拟合曲线图形 我们分别计算二次函数与三次函数的可决系数： R2=1-sum((y-y2).^2)/sum((y-mean(y)).^2), R3=1-sum((y-y3).^2)/sum((y-mean(y)).^2) 因为R3 =0.9673 0.9530=R2，所以三次函数拟合效果优于二次函数. 从问题的实际意义可知，随着照射次数的增加残留的细菌数减少，且开始时减少幅度较大，但随着照射次数增加，减少的速度变得缓慢.而多项式函数随着自变量的增加，函数值趋向于无穷大，因此如果在有限的照射次数内用多项式拟合是可以的，如果照射次数超过15次，则拟合效果开始变差，比如t=16，用二次函数计算出细菌残留数为39.0396，显然与实际不相符合. 实验4.2 一元非线性回归模型 实验目的 熟练掌握参数初始值的数值计算以及非线性拟合的Matlab命令，并能根据输出结果计算均方误差及可决系数，并能据此进行拟合效果分析。 实验内容 解决一元非线性回归模型有以下几个步骤： （1）的类别。 对非线性拟合，下面的图形给出了常见曲线与方程的对应关系： 幂函数： 指数函数： 双曲线函数： 对数函数： 指数函数： S形曲线： 具有S形曲线的常见方程有： 罗杰斯蒂（logistic）模型： 龚帕兹（Gomperty）模型： 理查德（Richards）模型： 威布尔(Weibull)模型： （2）①根据已知数据确定待定参数的初始值。②正确输入函数。③利用非线性拟合命令计算最佳参数。 （3）根据可决系数，比较拟合效果。 在Matlab中进行非线性拟合的命令如下： [b,r,J] = nlinfit(x,y,fun,b0) 其中，x,y为原始数据，fun是在M文件中定义的函数，b0是函数中参数的初始值；b为参数的最优值，r是各点处的拟合残差