[理学]一元线性回归.ppt

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．我们主要介绍线性回归模型，一元回归． 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）(3)。 证明（1） 证明（2） 证明（2） 证明（3） 例：P86 习题4.2 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:维尼龙纤维的耐热水性能好坏一般可用指标“缩醛化度”y来衡量，该指指标越高，耐热水性能也就越好。而甲醛浓度是影响缩醛化度的重要因素，在生产中常用甲醛浓度去控制这一指标。为找出它们之间的关系，现安排了一批试验，获得如下数据： (1)试确定y对x的回归关系； (2) y对x的回归关系是否显著； (3)求x=25时y的95%的预测区间. 解（1）作散点图，可发现y对x有线性回归关系，故可用线性回归建模。 （2）采用t检验，这时 （3） 26.86 28.35 28.75 28.87 29.75 30.00 30.36 18 20 22 24 26 28 30 缩醛化度y 甲醛浓度x * *