[理学]第十三讲-曲线回归.ppt

转化为线性方程后的残差 指数方程预测值 将甲胎蛋白取对数 线性方程预测值 误差 1.2069 曲线回归中给出的残差值: 残差平方和 拟合结果（图形）: 三次方程拟合结果: 三次方程拟合结果(图形): △　亦可采用非线性回归分析法： 方程建立： 参数输入 系数初值输入 令： 结 果： 例：某出租汽车公司随着出租车数量的增加，每年发生交通事故的次数也在增加，收集到的损失资料如下。要求预测出租车数量增加时，每年发生损失额的变化情况。 年损失额的原始数据 年份 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 数量 40 42 48 55 65 79 88 100 120 140 损失额 3000 2800 3200 3400 3000 3240 3700 3300 3800 3700 △ 二维离散型随机向量的联合分布与边际分布 定义： 如果 均为一维离散型随机变量 ，则二维随机向量 称为二维离散型随机向量。 设( )是一个二维离散型随机向量，它们的一切可取 值为 ， ，令 称 为 的联合概率分布。 定义： 性质： 1 边际分布 概率分布 概率分布 注意： 1、具体求解二维离散联合分布，必须知道两个随机 变量的所有取值，然后求出所有组合发生的概率 2、如果有 满足如上性质，一定可构造一二维 随机向量，使得其联合分布为 1 * ? 曲 线 拟 合 内容提要： 第 十 三 讲 △ 非线性回归分析法 ? 二维离散型随机变量的分布 △ 曲线估计法 例：将大白鼠置于不同的缺氧程度的条件下，经相同剂量的放射线照射后，检查其骨髓内的坏死灶，见下表．求拟合曲线并求极小点． X 300 400 500 600 700 760 Y 214.5 87.5 92.5 136.5 180.2 212 X：缺氧程度（mmHg） Y：坏死灶（个／50个视野） §6 非线性回归 曲线拟合: 根据原资料的性质和实际数据所呈现的 趋势，按适当的曲线类型估计出 最可能的曲线回 归，使估计误差为最少或接近于最小。 作用： 1. 修匀 由于研究对象的个体变异和抽样 误差，根据实例资料所绘制的散点图一般难以全部 通过同一条光滑曲线，通过对观察点的修匀将尽可 能减少此变异和误差的影响，且曲线比原资料的观 察点合理而稳定。 2. 估计 由于个体变异和抽样误差的影响，与同一个x 值对应的若干y 值并不相同，而形成某种分布，而 由x推算出的y（估计值），就是这些值在曲线回归 中的均数。 3. 求极大值和极小值 此为拟合抛物线特有的用途 曲线拟合的方法步骤： １.　定曲线型 　　根据专业知识（理论推导或以往经验），结合散点图，选择适合的曲线类型． 　　注：所拟合的曲线只说明此资料的两变量间不能排除是这种曲线关系，但不能肯定它们就是这种曲线关系． ２.　直线化 　　对呈曲线关系的变量进行适当变换，使变换后的两个变量之间呈直线关系，称为直线化． 　　注：直线化既可以验证所确定的曲线型是否恰当，更便于用求直线方程的方法得到曲线回归方程． 　　除多项式曲线可不必经直线化外，其他几类曲线的拟合大多须经直线化． 曲线拟合的方法步骤： ３.　求曲线回归方程 ４.　求估计值 ５.　作曲线图 ６.　作拟合优度检验 曲线拟合的方法步骤： 非线性回归: 形式上是非线性的，而实质是线性的 形式和实质都是非线性的 １）必须在医学上有实际意义； ２）曲线类型要考虑到资料本身的性质所提出的要求 进行曲线拟合时应注意： 一、第一类非线性回归 为未知参数。 g (Y) 为随机变量Y的函数， 是 的函数， g 、 都是不含任何未知数的已知函数， 第一类非线性回归模型实质上是线性回归模型， 因为回归模型的线性其实是指未知参数 都是一次。 1. 双曲线回归模型 常见的回归模型： （一元线性回归模型） 令 2. 对数回归模型 （一元线性回归模型） 3. 多项式回归模型 （多元线性回归模型） 二、第二类非线性回归模型 常见的回归函数及常见拟合曲线图形 ：