练习9 回归分析.docVIP

练习29 回 归 分 析 数 学 知 识 背 景 回归分析是对拟合问题进行地统计分析，数据拟合地好坏直接影响对问题研究的正确与否，也直接关系到模型建立正确与否。通过回归分析可以对数据拟合的好坏进行分析，从而为建立模型合研究问题提供有力的支持。 主 要 内 容 【本练习考查知识点】 本练习主要介绍回归分析的基本思想和在MATLAB中的实现方法，讲述如何在实际问题中运用回归分析来解决问题。 练 习 过 程 （1）用切削机床加工时，为实时地调整机床需测定刀具的磨损速度，现每隔一小时测量一次刀具的厚度得到以下数据，试建立刀具厚度关于切削时间的回归模型，对模型和回归系数时行检验，预测15小时后刀具的厚度。 时间（h） 0 1 2 3 4 5 6 7 8 9 10 刀具厚度（cm） 30.6 29.1 28.4 28.1 28.0 27.7 27.5 27.2 27.0 26.8 26.5 先作出各个点的位置。在命令区运行程序： x=[0,1,2,3,4,5,6,7,8,9,10]’; y=[[30.6,29.1,28.4,28.1,28.0,27.7,27.5,27.2,27.0,26.8,26.5]’; plot(x,y,’r+’) 运行后得到如下图结果。从图29-1中可见，y与x 大致符合线性关系。 接着运行如下程序： X=[ones(11,1),x]; [b,bint,r,rint,stats]=regress(y,X) b,bint,stats,rcoplot(r,rint) 运行结果为： b =29.5455 -0.3291 bint =28.9769 30.1140 -0.4252 -0.2330 stats =0.8696 60.0018 0.0000 图29-1 磨损实验图 图29-2残差分布图 由以上结果可见，相关系数R2=0.93250.9,p10-4,因此，此回归模型是成立的。以此预测15小时后刀具的； y=b(1)+b(2)*15 结果为：y=24.6091,即15小时后刀具的厚度为24.6091cm。 观察图中的残差分布，除第一个点以外，其余残差的置信区间均包含零点，第一个点应视为异常点，将其剔除后重新计算，可得 b=29.0533 bint=28.8334 29.2732 stats=0.9726 283.5599 0.0000 -0.2588 -0.2942 -0.2233 可见，回归系数变化不大，但置信区间明显缩小，R2和F都明显变大。因此，用修改后的结果预测应该更合适。计算y=b(1)+b(2)*15, 结果为y=25.1713，即15小时 扣刀具的厚度为25.1713cm。 （2）得到某商品的需求量与消费者的平均收入、商品价格的统计数据如下，建立回归模型并进行检验，预测平均收入为1000、价格为6时的商品需求量。 需求量 100 75 80 70 50 65 90 100 110 60 收入 1000 600 1200 500 300 400 1300 1100 1300 300 价格 5 7 6 6 8 7 5 4 3 9 先作图观察需求量与收入、价格的大致关系。在命令区运行程序： x1=[1000,600,1200,500,300,400,1300,1100,1300,300]’; x2=[5,7,6,6,8,7,5,4,3,9]’; y=[100,75,80,70,50,65,90,100,110,60]’; plot(x1,y,’r+’) plot(x2,y,’r+’) 图29-3 需求量与价格关系图 图29-4收入与价格关系图 接着运行如下程序： x=[x1,x2]; X=[ones(10,1),x]; [b,bint,r,rint,stats]=regress(y,X); b,bint,stats,rcoplot(r,rint) 运行结果如下： b =111.6918 0.0143 -7.1882 bint =56.0503 167.3334 -0.0120 0.0406 -13.2306 -1.1458 stats=0.8944 29.6533 0.0004 并得到图29-5 由以上结果可见，相关系数R2=0.8944，则R=0.94570.9，p=0.00040.05，观察图中的残差分布，各个点的置信区间均包含零点。因此,此回归模型y=111.6981+