概率论与数理统计课件6-1.pdfVIP

第六章 回归分析 一、历史背景 早在十九世纪，英国生物学家兼统计学家高尔顿在 研究父与子身高的遗传问题时，观察了 1078 对父子， x y 用 表示父亲身高， 表示成年儿子的身高，发现将 (x, y ) 点在直角坐标系中，这1078 个点基本在一条直线 附近，并求出了该直线的方程（单位：1 英寸＝2.54 厘 米）：  y 33.73 0.516x 这表明： 1.父亲身高每增加 1 厘米，其儿子的身高增加0.516 个 单位； 2.高个子父亲有生高个子儿子的趋势，但是一群高个子 父辈的儿子们的平均高度要低于父辈的平均高度。 3.低个子父亲的儿子们虽为低个子，但是其平均身高要 比父辈高一些。 这便是子代的平均高度有向中心回归的意思，使得一 段时间内人的身高相对稳定。后来，回归分析的思想渗 透到数理统计的其他分支中。随着计算机的发展，各种 统计软件包的出现，使得回归分析的应用越来越广泛。 二、研究主要内容及意义 回归分析处理的是变量与变量之间的关系。 变量间的常见关系有两类： 一类是确定性关系：这些变量间的关系完全是已知的， y f (x ) S a 统一用函数 来表示。例如正方形的面积 与边长 的关系S a2 。 另一类称为相关关系：变量间有关系，但很难用函数 x y 表达。譬如：人的身高 和体重 。医学上利用两者的关系 x 来确定一个人是 “肥胖”还是 “瘦小”。人的脚掌长度 和 y y 6.876x 身高 ，两者也有相关关系。若有 ，则公安机关 在破案时，可根据案犯留下的脚印来推测罪犯的身高。 变量间的相关关系不能用确切的函数形式表示，但在 平均意义下有一定的定量关系表达式，寻找这种定量关系 表达式就是回归分析的主要内容。 第六章 回归分析 二、主要研究内容 (1)确定几个特定的变量之间是否存在相关关系，如 果存在，找出它们之间合适的数学表达式； (2)根据一个或几个变量的值，预测或控制另一个变 量的取值，并且要知道这种预测或控制可达到什么样的 精确度； (3)进行因素分析，在共同影响一个变量的许多变量 (因素)之间找出哪些因素重要，哪些因素次要，这些因 素之间有什么关系等。 第六章 回归分析 二、主要形式 如果变量之间的关系是线性的，我们称之为线性回 归，否则称之为非线性回归。我们主要学习线性回归，最 后简单的介绍非线性回归。 在线性回归中，如果只涉及两个变量，我们称之为一 元线性回归。涉及两个以上的我们称之为多元线性回归。 其中一元线性回归是回归分析中最简单、最基本的非 常重要的一类模型。学习它有助于我们了解和掌握回归分 析的基本思想、方法和应用。 回 归 分 析 一 元 线 性 回 归 多 元 线 性 回 归 逐 步 回 归 非线性回归与回归诊断 一 元 线 性 回 归 建立模型 参数估计 显著性检验 预测预报 绪论 建立模型 引例1.一个作匀速直线运动的质点，在时刻t S S a  bt a