幂关系曲线-Read.PPTVIP

（三）多项式回归统计数的计算 一般采用类似于多元线性回归的方法求解多项式回归的统计数 这是一般的多元线性回归方程。 * 第七章 非线性回归 两个变数间呈现曲线关系的回归称曲线回归(curvilinear regression)或称非线性回归(non-liner regression) 第一节 非线性关系的类型与特点 一、非线性关系的类型与特点 根据非线性关系的性质和特点可大致分为6类：指数形式关系、对数形式关系、幂形式关系、双曲形式关系、型形式关系和多项式形式关系。 (一) 指数关系曲线 两种形式： a 0,b0 a 0,b0 (二) 对数关系曲线 b0 b 0 方程为: (三) 幂关系曲线 a0,0b1 a0,b1 a 0,b0 方程为: (四) 双曲关系曲线 a0,b0 a0,b0 (五) S型曲线 最著名的曲线是Logistic生长曲线，它最早由比利时数学家P.F.Vehulst于1838年导出，但直至20世纪20年代才被生物学家及统计学家R.Pearl和L.J.Reed重新发现，并逐渐被人们所发现。目前它已广泛应用于多领域的模拟研究。 第二节 曲线方程的配置 配置曲线回归方程的三个步骤： 1、根据变数X与Y之间的确切关系，选择适当的曲线类型。 2、对选定的曲线类型，在线性化后按最小二乘法原理配置直线回归方程。 3、将直线回归方程转换成相应的曲线回归方程，并对有关统计参数作出推断。 一、指数曲线方程的配置 如果： 显著，则计算： 1.3863 4.0 80 3.2189 25.0 35 1.1939 3.3 85 3.0445 21.0 40 1.6094 5.0 75 3.4012 30 30 1.7918 6.0 70 3.5835 36.0 25 2.0149 7.5 65 3.7842 44.0 20 2.1872 9.0 60 3.9512 52.0 15 2.3979 11.0 55 4.1744 65.0 10 2.6391 14.0 50 4.4067 82.0 5 2.8332 17.0 45 4.6052 100.0 0 lny y x lny y x 例如：在测定每升空气中污染物的毫克数（x,mg/L)和透光度(y)的关系，得结果见表。试为该资料配置指数曲线方程。 此相关系数对于υ=16（n=18)是极显著的，故可计算得： 二、幂函数曲线方程的配置 当x、y都大于0时， 如果： 显著。 3.7542 1.6094 42.7 5.0 3.6558 1.5892 38.7 4.9 3.5056 1.5686 33.3 4.8 3.3322 1.4816 28.0 4.4 2.9957 1.4110 20.0 4.1 2.6810 1.3083 14.6 3.7 2.2300 1.2238 9.3 3.4 1.7228 1.0986 5.6 3.0 0.7885 0.9163 2.2 2.5 -0.2231 0.6931 0.8 2.0 y′=lny x′=lnx y x 例如：研究30个粉尘颗粒的平均宽度（x,mm）和重量（y,mg）的关系，得表。试做回归分析。 可见，二者呈明显的对数关系。 此相关系数对于υ=16（n=18)是极显著的，故可计算得： 三、Logistic曲线方程的配置 为Logistic曲线方程，式中k为未知常数。必须首先确定k值。 若令 可得： 方程移项并取自然对数得： 若令 可得直线回归方程： 如 显著 例如：某股票上市后不同天数下的开盘价格（元）于下表7.8。试用Logistic方程描述股票价格与上市天数的关系。 -5.87821 0.00280 18.43 24 -4.28298 0.01380 18.23 21 -3.24738 0.03888 17.79 18 -3.24738 0.09683 16.85 15 -0.88701 0.41189 13.09 12 -0.10164 0.90336 9.71 9 1.52248 4.58357 3.31 6 3.20554 24.66889 0.72 3 4.10438 60.60533 0.30 0 y′=ln((k-y)/y) (k-y)/y y x 做散点图。可见二者呈明显的型曲线关系。 先估计终极量k,取开花后0天、12天和24天的结果代入，可得： 获得k后，可令 并将 分别列于表中。 对y′和x进行线性回归分析，5个二级数据为： 相关系数为： 此相关系数对υ=7（n=9)为显著，所以表中资料以Logistic方程描述是合适的。进而可得： 第三节 多项式回归 （一）多项式回归方程式 当两个变数间的曲线关系很难确定时，可以适应多项式去逼近，称为