[]第8章 回归分析.ppt

现代高等工程数学电子教案 第8章 回归分析 数学学院应用数学系 王国富 2012年9月 引例： 某厂生产的圆钢，其屈服点Z受含碳量x和含锰量y的影响，现做了25次观察，测得如下数据 x 16 18 19 17 20 16 16 15 19 18 y 39 38 39 39 38 48 45 48 48 48 Z 24 24.5 24.5 24 25 24.5 24 24 24.5 24.5 x 18 17 17 17 18 18 20 21 16 18 y 46 48 49 46 44 45 48 48 55 55 Z 24.5 24.5 25 24.5 24.5 24.5 25 25 25 25 x 19 19 21 19 21 y 56 58 58 49 49 Z 25.5 25.5 26.5 24.5 26 试通过上述数据建立起它们之间的关系？ 回归分析 回归分析是数理统计的一个应用分枝，它主要研究变量与变量之间的某一种相依关系，其主要内容包括线性回归与非线性回归．一元回归与多元回归．这一节介绍一元线性回归． 回归的含义 变量与变量之间的关系有两种：一种是函数关系；当一组变量取定一个值时，另一个变量也有确定的值与它对应这是一种函数关系。另一种关系不能用函数关系来描述，比如人的身高与体重之间的关系；农作物的产量与施肥量之间的关系就不能用函数关系来描述． 变量可以分为可控变量与不可控变量（随机变量） 　　　在回归分析中，讨论的是随机变量与可控变量之间的关系．随机变量作为因变量（响应变量），可控变量作为自变量．当自变量只有一个变量时的回归分析为一元回归,否则称为多元回归． 假设随机变量Y与x有一元回归关系.当选定x时,Y的数学期望应为x的函数,记 回归分析的一般步骤: (1)求取试验数据 (2)选取回归模型 (3)对回归模型中的未知参数作估计 (4)对模型进行检验 (5)预测与控制 (1)求取试验数据 (2)选取回归模型 当选取的是一元线性回归函数时，其回归模型可写为 (3)对回归模型中的未知参数作估计 当选取回归模型为 (4)对模型进行检验 我们是根据经验和散点图选定模型的，模型是否切合实际，需要对模型进行检验。 (5)预测与控制 一元线性回归模型 先假定一元线性回归模型 要使L达到最大，只要等式右边的平方和的部分达到最小即可。 通过求导，并令其为零，可得方程组 注意：当随机误差服从正态分布时，参数的最小二乘估计就是极大似然估计，当随机误差不服从正态分布时，参数的最小二乘估计一般与极大似然估计不同。 一元线性回归模型中回归系数的最小二乘估计为 为了对模型及模型参数进行检验，我们需要知道 估计量的分布，下面对随机误差服从正态分布的情况下给出了一些统计量的分布： 我们有 我们仅证明（1）（2）。 证明（1） 证明（2） 假设检验 假设检验包括参数检验和线性模型的检验。 t-检验 F-检验 r-检验(样本相关系数检验） 预测与控制 我们可以得到 由预测区间可以看出： 控制：控制是预测的反问题，当因变量y在某一范围内取值时，x应控制在什么范围之内。这个问题比预测要复杂。 例.为研究温度对某个化学过程的生产量的影响，收集到如下数据（规范化形式）： 温度x -5 -4 -3 -2 -1 0 1 2 3 4 5 生产量y 1 5 4 7 10 8 9 13 14 13 18 （1） 求Y对X的线性回归方程。（结果保留小数点后两位。） （2）对回归方程的显著性进行检验。（检验水平=0.01,） （3）对规范温度在0.5时，对其规范生产量作95%的预测区间。 解（1） （2）采用T检验：选用 （3） 多元线性回归模型 记 则有 因此 有了上面的结论,我们可以导出检验 的检验方法.在这里就不讨