数学建模 相关与回归分析.pptVIP

第十章 相关与回归分析P192 了解有关相关与回归分析的基本概念 掌握相关系数的计算 理解标准的一元线性回归模型，能够对模型进行估计和检验并利用模型进行预测 能够应用Excel软件进行相关与回归分析 学习目标 学习内容 函数关系与相关关系 相关分析与回归分析 标准的一元线性回归模型 一、函数关系和相关关系 1.函数关系 当一个或几个变量取一定的值时，另一个变量有确定值与之相对应，我们称这种关系为确定性的函数关系。 某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = p x (p 为单价) 企业的原材料消耗额(y)与产量(x1) 、单位产量消耗(x2) 、原材料价格(x3)之间的关系可表示为y = x1x2x3 ? ? ? ? ? ? ? ? ? x y 函数关系和相关关系cont. 2.相关关系 现象之间客观存在的不严格、不确定的数量依存关系。 商品的消费量(y)与居民收入(x)之间的关系 收入水平(y)与受教育程度(x)之间的关系 父亲身高(y)与子女身高(x)之间的关系· ? ? ? ? ? ? ? ? ? x y 二、相关分析与回归分析 1.相关分析 就是用一个指标来表明现象间相互依存关系的密切程度。广义的相关分析包括相关关系的分析（狭义的相关分析）和回归分析。 2.回归分析 是指对具有相关关系的现象，根据其相关关系的具体形态，选择一个合适的数学模型（称为回归方程式），用来近似地表达变量间的平均变化关系的一种统计分析方法。 相关分析与回归分析的区别 是否事先确定自变量与因变量 在相关分析中，不必确定自变量和因变量；而在回归分析中，必须事先确定哪个为自变量，哪个为因变量，而且只能从自变量去推测因变量，而不能从因变量去推断自变量。 是否指出变量间相互关系的具体形式 相关分析不能指出变量间相互关系的具体形式；而回归分析能确切的指出变量之间相互关系的具体形式，它可根据回归模型从已知量估计和预测未知量。 随机变量与非随机变量 相关分析所涉及的变量一般都是随机变量，而回归分析中因变量是随机的，自变量则作为研究时给定的非随机变量。 将自变量x的数值按照从小到大的顺序，并配合因变量y的数值一一对应而平行排列的表。 例：为了研究分析某种劳务产品完成量与其单位产品成本之间的关系，调查30个同类服务公司得到的原始数据如表。 相关表 又称散点图。将x置于横轴上，y置于纵轴上，将（x,y）绘于坐标图上。用来反映两变量之间相关关系的图形。 相关图 相关系数 简单相关系数：在线性条件下说明两个变量之间相关关系密切程度的统计分析指标，简称相关系数。记为? 相关系数的计算 计算相关系数的“积差法” 相关系数的特点 1.ｒ的取值介于－１与１之间， r 的取值范围是 [-1,1] 2. 当ｒ＞０时，Ｘ与Ｙ为正相关，当ｒ＜０时，Ｘ与Ｙ为负相关。 |ｒ|的数值愈接近于1，表示x与y直线相关程度愈高；反之， |ｒ|的数值愈接近于0，表示x与y直线相关程度愈低。通常判断的标准是: |ｒ|＜0.3称为微弱相关，0.3≤ |ｒ|＜0.5称为低度相关，0.５≤ |ｒ|＜0.8称为显著相关 ，0.8≤ |ｒ|＜1称为高度相关或强相关。 例：下表是有关15个地区某种食物需求量和地区人口增加量的资料。 4.简单线性回归分析 回归分析的内容 从一组样本数据出发，确定变量之间的数学关系式 对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著 利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度 三、标准的一元线性回归模型 概念要点 当只涉及一个自变量时称为一元回归，若因变量 y 与自变量 x 之间为线性关系时称为一元线性回归。 对于具有线性关系的两个变量，可以用一条线性方程来表示它们之间的关系。 描述因变量 y 如何依赖于自变量 x 和误差项?的方程称为回归模型。 标准的一元线性回归模型cont. 模型中，y 是 x 的线性函数(部分)加上误差项 线性部分反映了由于 x 的变化而引起的 y 的变化 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响 是不能由 x 和 y 之间的线性关系所解释的变异性 ?0 和 ?1 称为模型的参数 使因变量的观察值与估计值之间的离差平方和达到最小来求得 　和 　的方法。即 参数?0 和 ?1的最小二乘估计 用最小二乘法拟合的直线来代表x与y之间的关系与实际数据的误差比其他任何直线都小。 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ ei = yi-yi ＾ 最小二乘法图示 回