在数学建模中的应用课件.pptVIP

2010年8月;第一讲 SPSS的一般应用;数据编辑窗口;结果编辑窗口;二、建立数据文件 定义变量 数据录入 数据编辑 数据文件的保存 调用其它数据文件;定义变量;定义变量;数据录入;数据文件的保存;数据编辑;SPSS调用其他数据文件;;第二讲 方差分析;例题;一、单因素方差分析;;单因子方差分析的数据结构;单因素方差分析的步骤;1、提出假设;2、构造检验的统计量;2、构造检验的统计量;2、构造检验的统计量;2、构造检验的统计量;2、构造检验的统计量;2、构造检验的统计量;3、显著性检验;例题的求解;4、SPSS的实现过程;4、SPSS的实现过程;4、SPSS的实现过程;二、双因素方差分析;二、双因素方差分析;1、理论分析;1、理论分析;1、理论分析;1、理论分析;双因素方差分析表;1、理论分析;2、SPSS实现过程;第三讲 相关及回归分析;一、相关分析;1、散点图;2、相关系数;2、相关系数;2、相关系数;2、相关系数;3、SPSS实现过程;3、SPSS实现过程;3、SPSS实现过程;3、SPSS实现过程;二、回归分析;二、回归分析;“回归”名称的由来; 这种趋势说明父母平均身高x每增加一个单位，其 成年儿子的平均身高增加0.516个单位。该结果表明： 高个子父亲确实有生高个子儿子的趋势。 子代人的身高有回归到同龄人平均身高的趋势。 此例形象的说明了生物学物种的稳定性。;一元线性回归;可以用相关 分析或非线 性回归分析;最小二乘法就是使实际观测值的;整理得方程组： ;;（二）一元线性回归方程的统计检验;（二）一元线性回归方程的统计检验;方差来源;（二）一元线性回归方程的统计检验;(1) 提出假设 H0：b=0 H1：b≠0。 (2) 构造检验统计量。;（三）利用回归方程进行预测;（三）利用回归方程进行预测;多元线性回归;涉及p个自变量的多元线性回归模型可表示为;（二）多元线性回归方程;（三）参数的最小二乘估计; ;;;;（四）多元线回归的统计检验;（3）给定显著性水平α，查表确定临界点 ;（五）SPSS实现过程;非线性回归分析;几种常见的非线性模型;（２）线性化方法 两端取对数得：lny = lna + b lnx 令：;（一）非线性模型及其线性化方法;非线性回归（实例）;用线性模型：y =a?bx+? ，有 y = 2.671+0.0018x 用指数模型：y = ab x ，有 y =4.05?(1.0002)x 比较直线的残差平方和＝5.3371指数模型的残差平方和＝6.11。直线模型略好于指数模型;（二）SPSS的实现过程;（二）SPSS的实现过程;（二）SPSS的实现过程;（二）SPSS的实现过程;（二）SPSS的实现过程;（二）SPSS的实现过程