《第七章回归模型--华东理工大学数学建模课件》教学课件.pptVIP

*东华理工学院数信学院信息技术系 数学建模 先计算残差平方和Q= 所以y的样本方差为：s =13.7977 样本标准差S=3.7145 因为xo=x14=26.611.08=28.7388 所以 =1.46475。 又 将上述数据代入 （2）式 *东华理工学院数信学院信息技术系 数学建模 得预测区间半径： =9.89 所以1993年自行车配件销售的100（1-a） % =95%预测区间为 （ ）=（103.1284，122.908）（万元） 若采用“ ”原则的预测区间，则1993年自行车 配件销售额的68.26%，95.44%，99.74%的预测 区间可分别近似地取为 （ ）=（109.3039，116.7329） （ ）=（105.5894，120.4474） （ ）=（101.8749，124.1619） *东华理工学院数信学院信息技术系 数学建模 在实际问题中，常常遇到预测变量受到多个因素影响的情形。如某产品的销售量不仅受到该产品的价格影响，且还受到社会购买力、购买者偏好等因素的影响，这就是多元回归问题。在多元回归中，最重要且应用最广的是多元线性回归。多元回归的基本原理和一元回归相同，方法也类似，但前者比后者复杂得多。 一 多元线性回归模型及其参数估计 设 为自变量，y为因变量，它们之间满足如下线性关系: 多元线性回归 *东华理工学院数信学院信息技术系 数学建模 称为多元线性回归模型，其中ε为随机误差项，且 。 若 次独立实验的观察值，则 　 　…….（２）称为多元线性回归模型 多元线性回归模型有如下假设条件： ①y与xi（i=1.2….p）之间满足（１）或（２）式的线性关系。 ② xi是确定性变量，且在两个或多个自变量之间不存在线性关系。 *东华理工学院数信学院信息技术系 数学建模 ③随机误差　　　　　　　 　　　　　　　　 下面仍用最小二乘法来估计模型中的参数 　　　　　 设由一组统计数据 　　　　建立起y与x1,x2…xp之间的线性回归方程为 其中 为y的估计值， 　　　分别为模型参数　　　　　　的估计值， 由 　　　　…….(3) *东华理工学院数信学院信息技术系 数学建模 得残差：残差平方和为： Q= 根据极值原理，使Ｑ取最小值的 应满足下列方程组 化简得到关于 的p+1阶线性方程组。 （ *东华理工学院数信学院信息技术系 数学建模 （４）式称为正规方程组，解此方程组即可得到模型参数的估计值 。 将（４）式用矩阵形式表示，令 …………（4） *东华理工学院数信学院信息技术系 数学建模 X＝ *东华理工学院数信学院信息技术系 数学建模 则多元线性回归模型(2)可用矩阵形式表示为： Ｙ＝XＢ＋Ｖ…………..(5) 多元线性回归方程(3)可表示为 则正规方程组(4)可简洁地表示为： ……………..(6) 若 可逆转，则 *东华理工学院数信学院信息技术系 数学建模 其中 = ， *东华理工学院数信学院信息技术系 数学建模 例1 某市家用电器销售额y（万元）与该市 在业人口总收入x1（万元），销售服务费x2 (万元）的历年统计数据如表所示，试求y对 的线性回归模型。若1993年该市在业人口 总收入、销售服务费均在1992年的基础上增值 5%，求1