数学建模回归分析PPT.ppt

回归分析;引言;一 一元线性回归分析; 于是我们得到一元线性回归模型为 (1.2) 其中 未知，固定的未知参数 称为回归 系数，自变量x称为回归变量。 (1.1)式两边同时取期望得： 称为y 对x的回归直线方程。 在该模型下，第i个观测值可 以看作样本（这些样本相互独立但不同分布, i = 1,2,…,n）的实际抽样值，即样本值。; 一元线性回归分析的主要任务是： a.用实验值（样本值）对 作点估计； b.对回归系数 作假设检验； c.在 处对y 作预测，并对y作区间估计。 1、 回归参数 估计 假设有n组独立观测值： 则 由(1.2)有 （1.3）;这样我们得到 的无偏估计 ， 其中 服从正态分布;2 模型的假设、预测、控制; 假设: 被拒绝，则回归显著，认为y 与x之间存在线性关系，所求的线性回归方程有意义；否则回归不显著，y与x的关系不能用一元线性回归模型来描述，所得的回归方程也无意义。此时，可能有如下几种情况： （1）x对y没有显著影响，此时应丢掉变量x； （2）x对y 有显著影响，但这种影响不能用线性关 系来表示，应该用非线性回归； （3）除x之外，还有其他不可忽略的变量对y 有显 著影响，从而削弱了x对y 的影响。此时应用 多元线性回归模型。因此，在接受H0 的同 时，需要进一步查明原因以便分别处理。;检验方法：（a）F检验法 对样本方差 进行分解，有 上式中的 是由实际观测值没有落在回归直线上 引起的（否则为零），U 是由回归直线引起的。因 此，U 越大， 就越小，表示y 与x的线性关系就越 显著；否则，U 越小， 就越大，表示y 与x的线性 关系就越不显著。这样我们就找到了一种判别回归 直线拟合程度好坏的方法：如果U /s接近于1，即 U / 较大时，则对拟合效果感到满意。;由F分布有 其中r称为相关系数。对给定的显著水平a ，有置信 水平为1-a 的临界值 ，从而F检验法 的检验准则为：当 时，拒绝 ；否则就接受;（b）t检验法 当成立时，由T分布的定义有 因此，对于给定的显著水平a ，用T统计量检验 ， 有置信水平为1-a 的临界值 ,从而t检验法的检验准则为： 当 时，拒绝 ；否则就接受;2、预测与控制 当检验结果拒绝了: ，接下来的问题是如 何利用回归方程 进行预测和控制。 预测就是对固定的x值预测相应的y 值，控制就是通 过控制x的值，以便把y 的值控制在制定的范围内。 (a)预测 设y 与x满足模型(1.2)。令 表示x的某个固 定值，且 假设 相互独立，则 的预测值和预 测区间如下。; y 的预测值为 的回归值 。它是 的无偏估计，即 给定显著水平 ， 的置信水平为1- 的预测区间 为 ，其中 由上式可知，剩余标准差 越小，预测区间越 小，预测值越精确；对于给定的样本观测值和置信 水平而言， 越靠近 时，预测精度就越高。 ;(b)控制 若要 的值以1- 的概率落在 指定区间(c,d)之内，变量x应控制在什么范围内 的问题就是所谓的控制问题。它是预测问题的反 问题。 只要控制x满足以下两不等式 这要求 若方程 分别有解a,b，则(a,b)就是所求的x的控制区间。;二 可线性化的一元非线性回归（曲线回归）;1 双曲线 作变量替换 得 2 幂函数曲线 两边取常用对数： ，再作 代换 则幂函 数曲线方程就变成直线方程 注：对于非线性回归问题的Matlab实现问题，一种方法是化为相应的线性模型实现，另种方法是直接应用Matlab中相应的命令，其结果是一致的。;三 多元线性回归分析;其中 互不相关且均是与 同分