概率论与数理统计_13.docVIP

概率论与数理统计9 二、关系 一类是函数关系，即变量之间有着确定的关系。例如已知圆的半径R，则圆面积可以用公式S= πR2 来计算。这里S与R之间有着确定的关系。 这些关系表现在量上主要有两种类型： 例 1 居民按人口计算的平均收入与某种商品（如糖果）的消费量之间，有着一定的联系。一般说来平均收入高的，消费量大，但平均收入相同时，这种商品的消费量却不一定是完全相同的。 例 2 森林中的同一种树木，其断面直径与高度之间是有联系的。一般说来，较粗的树较高，但直径相同的树，其高度也不完全是相同的。 例 3 消费者对某种商品（比如西红柿）的月需求量与该种商品的价格有很密切的关系。一般说来，价格低时需求量大，价格高时需求量小，但同一种价格，月需求量也不完全相同。 例 4 农作物的产量与施肥量、气候、农药 也有这种不确定的关系。 即便是具有确定关系的变量，由于试验误差的影响，其表现形式也具有某种程度的不确定性。 　　如果这个模型是线性的就称为线性回归分析。这种方法是处理变量间相关关系的有力工具，是数理统计中一种常用的方法。它不仅告诉人们怎样建立变量间的数学表达式，即经验公式，而且还利用概率统计知识进行分析讨论，判断出所建立的经验公式的有效性，从而可以进行预测或估计。这在实际中是很有用的。本章主要介绍如何建立经验公式，以及建立的经验公式其有效性的判断。 由一个或一组非随机变量来估计或预测某一个 随机变量的观察值时，所建立的数学模型及所 进行的统计分析，称为回归分析。 §11.2 一元线性回归方程 具有相关关系的变量间虽然不具有确定的函数关系，但是可以借助函数关系表达它们之间的统计规律性。用以近似地描述具有相关关系的变量间联系的函数称为回归函数。 在实际中最简单的情况是由两个变量组成的关系，比如：在经济关系中，对某种商品的需求量随价格的升降而变化；居民消费随收入的增减而改变等等。 首先考察两量间的模型即 我们对普通变量x取定一组不完全相同的值： 分别是在 处对Y的独立观察结果 称 是一个样本， 对应的样本值记为 如何利用样本来估计Y关于x的回归函数 首先需要推测f (x)的形式，可将每对观察值 在直角坐标系中描绘出它的相应的点，这种图称为散点图。通过散点图可以粗略的看出f (x)的形式。 由于两个变量之间不存在完全确定的函数关系，因此必须把随机波动产生的影响引入方程： 其中，y是随机变量，x是普通变量，ε是随机项。随机变量yi表示对应于给定变量x的值xi的试验结果： 首先一个问题是如何根据已经试验的结果以及以往的经验来确定回归函数的类型以及求出函数中的未知参数的估计，得到经验公式。 （一） 回归直线方程 例1 以家庭为单位，某种商品年需求量与该商品价格之间的一组调查数据如表11-1所示： 统计结果表明，尽管价格不变，需求仍可能变化，价格改变需求也可能不变。但是，总的趋势是家庭对该商品的年需求量随着价格的上升而减少，它们之间存在着密切的联系。我们要找出近似地描述它们关系的回归函数，也就是求出d对于p的回归方程。 的类型，先把10对数据作为直角坐标平面上点的 坐标，并把这些点画在直角坐标平面上。这样得到的图称为散点图（如图11-1）。 为了确定回归函数 可以看出，所有的点大体上分布在一条直线的周围。即需求量与价格大致成线性关系。 要求出回归直线方程L，就是要找出a与b的估计量 因而可以决定该种商品的需求量y对价格x的回归 函数为直线型。我们把y对x的回归函数记为 b称为回归系数 y 对x的回归直线方程 达到最小。 使直线 L 总的看来与所有的散点最接近。 通常是固定x使得 一般地，两个变量的线性回归模型为 取一个容量为n的样本 并且假定： 平面上任意一条直线L的方程记为 用数值 描述点 与它沿平行纵轴方向到L的远近距离。 定量地描述了直线L与n个观察点总的接近程度。Q的大小随直线L的位置变化而变化。也就是说，Q 的值随着 a和 b的不同而变化。它是 a和b的二元函数。 称它们为a及 b的最小二乘估计。 要找一条总的看来最接近这n个点的直线， 就要找出使得Q达到最小值的 求法可以利用微积分中的极值求法： 整理后得： 由（1）得： 代入（2）得 （11.8） （11.9） 于是所求的回归直线方程为 （11.10） 可以用（11.9）与（11.8）式分别计算 为了清楚起见，可先列出回归计算表如表11-2： 可以证明， 确实使平方和Q达到最小。 例1 以家庭为单位，某种商品年需求量与该商品价格之间的一