回归分析、主成分分析、贝叶斯判别.docVIP

1 实验内容 （1）掌握回归分析的思想和计算步骤； （2）编写程序完成回归分析的计算，包括后续的显著性检验、残差分析、Box-Cox变换等内容。 2模型建立与求解(数据结构与算法描述) Y与X1,X2,…, QUOTE 的关系可表示为Y=f(X1,X2,…, QUOTE )+ε,回归分析既是利用Y与X1,X2,…, QUOTE 的观测数据，并在误差项的某些假定下确定f(X1,X2,…, QUOTE )。利用统计推断方法对所确定的函数的合理性一级由此关系所揭示的Y与X1,X2,…, QUOTE 的关系作分析。 用最小二乘法计算回归参数  QUOTE  总离差平方和  QUOTE  残差平方和  QUOTE  回归平方和  QUOTE  SST=SSE+SSR R为复相关系数  QUOTE  Box-Cox变换 对Y做如下变换：  QUOTE  通过最大似然方法确定 QUOTE 问题转化为选择 QUOTE ，使 达到最小，其中  QUOTE  3.实验数据为： 习题2.4  QUOTE  误差方差估计为：4.9445e+004 复相关系数：0.9595 exersice2_6 得 b=-54.9877 4.7082 0.3393 R=0.9376 因此回归方程为：y=-54.9877+4.7082X1+0.3393X2 习题2.9  QUOTE  复相关系数：0.8202 4．程序代码清单： 2.4 function huigui(X,Y) D=xlsread(2.4.xls); p=3;n=15; X=D(:,1:end-1); Y=D(:,end); a=ones(n,1); X=[a,X]; B=(inv(X*X))*X*Y H=X*inv(X*X)*X; y1=mean(Y);%???ù?μ y2=B(1)+B(2).*X(:,2)+B(3).*X(:,3);%??1é?μ SST=sum((Y-y1).^2)%×üà?2???·?oí SSE=sum((Y-y2).^2)%2D2???·?oí SSR=sum((y2-y1).^2)%??1é??·?oí MSR=SSR/(p-1)%?ù·???1é MSE=SSE/(n-p)%?ù·?2D2? F=MSR/MSE; R=sqrt(SSR/SST)%?????′?à1??μêy o=SSE/(n-p)%·?2?1à???μ y3=y2-Y;%2D2??μ e=(eye(n)-H)*Y;%2D2??òá? plot(Y,e,*) 未进行Box-Cox变换时的残差分析 进行Box-Cox变换后，残差图为 2.6 load exersice2_6.txt data=exersice2_6; [b,R]=reg(data) function [b,R]=reg(data) X=data(: , 1 : end-1); Y=data(: , end); temp=ones(length(data),1); X=[temp,X]; b=inv (X*X)*X*Y; YY=X*b; SST=sum((Y-mean(Y)).^2); SSE=sum((Y-YY).^2); R=sqrt(1-SSE/SST); 2.9 function huigui(X,Y) D=xlsread(2.9.xls); p=4;n=23; X=D(:,1:end-1); Y=D(:,end); a=ones(n,1); X=[a,X]; B=(inv(X*X))*X*Y H=X*inv(X*X)*X; y1=mean(Y);%???ù?μ y2=B(1)+B(2).*X(:,2)+B(3).*X(:,3)+B(4).*X(:,4);%??1é?μ SST=sum((Y-y1).^2);%×üà?2???·?oí SSE=sum((Y-y2).^2);%2D2???·?oí SSR=sum((y2-y1).^2);%??1é??·?oí MSR=SSR/(p-1);%?ù·???1é MSE=SSE/(n-p);%?ù·?2D2? F=MSR/MSE; R=sqrt(SSR/SST)%?????′?à1??μêy o=SSE/(n-p);%·?2?1à???μ y3=y2-Y;%2D2??μ e=(eye(n)-H)*Y;%2D2??òá? plot(Y,e,*) 残差分析