【精编】数学建模——回归分析模型.ppt

数学建模——回归分析模型 一元线性回归模型——应用举例 在研究机器工作效应时，测得工作时间与出品率如下表所示，求出品率关于工作时间的回归方程并作拟合优度检验。 工作时长 10 11 12 13 14 15 16 17 18 19 出品率 45 51 54 61 66 70 74 78 85 89 123 * 数学建模——回归分析模型 解： 所以回归方程为： 相关系数值为： 相关系数接近1，说明随机变量与x具有显著的相关性，线性回归的拟合度较高，检验通过 请同学将结论与实际问题结合，分析工作时长与出品率的关系，并预测20小时和6小时时的出品率？时间趋于无限大呢？ 123 * 数学建模——回归分析模型 一元线性回归的Excel实现 （1）将数据导入Excel工作表； （2）工具栏中选插入—图表—XY散点图； （3）选择数据区域，填写标题、图例等内容，完成； （4）右击散点图—选添加趋势线—线性（类型）—在选项中选显示公式和R平方值。此时作出了回归图并求得方程； （5）在工具栏中选工具—数据分析—找到回归并确定—选择数据区域、输出数据区域，勾选置信度残差、标准残差、线性拟合图。此时得到几个表格，可查得回归系数、常数项及R平方值。 请同学用Excel完成上面的例题 Excel是做一元线性回归的其中一种 软件，还有Spss，Matlab都可以做 123 * 数学建模——回归分析模型 多元线性回归模型——模型 现实生活中，一个变量往往受到多个因素的影响，假设有 个因素，称为解释变量，这种多个解释变量与因变量构成的这种关系称为多元线性关系，由这种关系构成的函数关系式称为多元线性回归模型，其一般式如下： 称为回归系数。 矩阵形式 123 * 数学建模——回归分析模型 多元线性回归模型—— 估计 方法：最小二乘法 基本思想：寻找实际值与拟合值的离差平方和最小的回归直线。 由于参数未知，需要样本回归函数，如下所示： 类比一元线性回归模型为使误差最小,这里称为残差，则下式取最小值， 残差平方和 123 * 数学建模——回归分析模型 多元线性回归模型—— 估计 令上式 对 的偏导数为零，得到正规方程组，用线性代数的方法求解，求得值为： 其中 为矩阵形式，具体如下： 123 * 数学建模——回归分析模型 多元线性回归模型——线性假设的显著性检验 必要性：与一元线性回归模型类似，多元线性回归模型也需要进行拟合优度检验。 样本观测值和回归函数因变量满足关系： 可决系数（判定系数） 为: 可决系数越靠近1，模型对数据的拟合程度越好。 通常可决 系数大于0.80即判定通过检验。 模型检验还有很多方法，以后会逐步接触 123 * 数学建模——回归分析模型 多元线性回归模型—应用实例 例2 某厂生产的一种电器的销售量与竞争对手的价格 和本厂的价格 有关。下表是该商品在10个城市的销售记录。 元 120 140 190 130 155 175 125 145 180 150 元 100 110 90 150 210 150 250 270 300 250 个 102 100 120 77 46 93 26 69 65 85 请建立销售量与两个价格之间的关系，并进行检验 123 * 数学建模——回归分析模型 解：分别画出y与x1，y与x2的散点图，判断关系，可以看出y与x2可以看出有线性关系，而y与x1关系较为复杂，现假设关系为： 123 * 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 数学建模——回归分析模型 Keep focused Follow me —Jiang 123 * 数学建模——回归分析模型 回归分析概述 几类回归分析模型比较 一元线性回归模型 多元线性回归模型 注意点 123 * 数学建模——回归分析模型 回归分析 名词解释：回归分析是确定两种或两种以上变数 间相互赖的定量关系的一种统计分析方法。 解决问题：用于趋势预测、因果分析、优化问题等。 几类常用的回归模型： 一元线性回归 线性回归 多元线性回归 非线性回归 有何区别与联系？ 123 * 数学建模——回归分析模型 回归模型方程式 自变量 （仅从形式上） 线性回归 一元