[理学]2010数学建模回归分析课件.ppt

* 回归分析方法与统计回归模型 数学建模的基本方法: 机理分析 （由于客观事物内部规律的复杂及人们认识程度的限制,无法分析实际对象内在的因果关系，建立合乎机理规律的数学模型） 测试分析 引入 1、现实世界中变量之间的关系可以分成两大类。 一类：确定性的关系：如U=IR，S=∏R2等 二类：非确定性的关系：如血压与年龄 （不能用一个确定的函数关系式表达出来） 通过对数据的统计分析，找出与数据拟合最好的模型。 回归模型是用统计分析方法建立的最常用的一类模型 一、回归分析： 1、寻找这类不确定的变量间的数学关系式，并进行统计推断的一种方法。（最简单的关系式是线性回归） 2、设x是可以精确测量或控制的非随机变量，y是s随机变量。当X取x时，Y的概率分析与x有关，则称Y与X之间有相关关系。 3、线性回归分析： 即试验结果y的一部分由x的线性函数引起 ，另一部分有由随机因素引起 进行若干次独立试验，得到的结果为 由 回归分析要解决的问题： 1、根据样本估计未知参数 2、对此数量关系式的可信度进行统计检验。 3、检验各变量 分别考察对指标是否有显著性影响。 例1 测16名成年女子的身高与腿长所得数据如下： 以身高x为横坐标，以腿长y为纵坐标将这些数据点（xI，yi）在平面直角坐标系上标出. 散点图 一元线性回归分析的主要任务是： 二、回归系数的最小二乘估计 正规方程组 解得 三、回归方程的显著性检验 （Ⅰ）F检验法 （Ⅱ）t检验法 多元线性回归 b=regress( Y, X ) 1、确定回归系数的点估计值： 3、画出残差及其置信区间： rcoplot（r，rint） 2、求回归系数的点估计和区间估计、并检验回归模型： [b, bint,r,rint,stats]=regress(Y,X,alpha) 回归系数的区间估计 残差 用于检验回归模型的统计量， 有三个数值：相关系数r2、 F值、与F对应的概率p 置信区间 显著性水平 （缺省时为0.05） 例1 解： 1、输入数据： x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]; X=[ones(16,1) x]; Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]; 2、回归分析及检验： [b,bint,r,rint,stats]=regress(Y,X) b,bint,stats 3、残差分析，作残差图： rcoplot(r,rint) 从残差图可以看出，除第二个数据外，其余数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型 y=-16.073+0.7194x能较好的符合原始数据，而第二个数据可视为异常点. 4、预测及作图： z=b(1)+b(2)*x plot(x,Y,k+,x,z,r) 牙膏的销售量 问题 建立牙膏销售量与价格、广告投入之间的模型 预测在不同价格和广告费用下的牙膏销售量 收集了30个销售周期本公司牙膏销售量、价格、广告费用，及同期其它厂家同类牙膏的平均售价 9.26 0.55 6.80 4.25 3.70 30 7.93 0.05 5.80 3.85 3.80 29 ? ? ? ? ? ? 8.51 0.25 6.75 4.00 3.75 2 7.38 -0.05 5.50 3.80 3.85 1 销售量 (百万支) 价格差 （元） 广告费用 (百万元) 其它厂家价格(元) 本公司价格(元) 销售周期 基本模型 y ~公司牙膏销售量 x1~其它厂家与本公司价格差 x2~公司广告费用 x2 y x1 y x1, x2~解释变量(回归变量, 自变量) y~被解释变量（因变量） ?0, ?1 , ?2 , ?3 ~回归系数 ?~随机误差（均值为零的正态分布随机变量） MATLAB 统计工具箱 模型求解 [b,bint,r,rint,stats]=regress(y,x,alpha) 输入 x= ~n?4数据矩阵, 第1列为全1向量 alpha(置信水平,0.05) b~?的估