误差理论与最小二乘法的运算法则.pptVIP

第七节 一元线性回归分析 1、引起变差的原因： A、自变量x取值的不同； B、其它因素（包括试验误差）的影响。 2、方差分析 总的离差平方和（即N个观测值之间的变差） 第七节 一元线性回归分析 可以证明： S=U+Q 其中 回归平方和，反映S中由于x和y的线性关系引起 y变化的部分。 残差平方和，反映其它因素对y变差的影响。 基本思路：方程是否显著取决于U和Q的大小，U越大，Q越小，说明y与x的线性关系愈密切。 计算统计量F 对一元线性回归，应为 查F分布表，根据给定的显著性水平 和已知的 自由度1和N-2进行检验： S=U+Q 第七节 一元线性回归分析 3、F检验 若 回归在0.01的水平上高度显著。 回归在0.05的水平上显著。 回归在0.1的水平上显著。 回归不显著。 第七节 一元线性回归分析 残余方差：排除了x 对y的线性影响后，衡量y 随机波动的特征量。 残余标准差： 越小，回归直线的精度越高。 第七节 一元线性回归分析 4、残余方差与残余标准差 － － － N-1 总计 － 1 N-2 回归 残余 显著性 F 方差 自由度 平方和 来源 5、方差分析表 随机误差 系统误差 粗大误差 最小二乘法 正规方程 回归分析的基本概念 一元线性回归分析 多元线性回归 内容 上节讨论的只是两个变量的回归问题，其中因变量只与一个自变量相关。但这只是最简单的情况，在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类问题为多元回归分析。 第八节 多元线性回归 这里着重讨论线性回归问题。多元线性回归分析与 一元线性回归分析原理相同，但计算相对复杂。 第八节 多元线性回归 一、模型 第八节 多元线性回归 二、最小二乘法与正规方程 第八节 多元线性回归 化简并整理得： 令 第八节 多元线性回归 上述方程组写为： 第八节 多元线性回归 二元回归方程的直观解释 二元线性回归模型 (测量到的y) 回归面 ?0 ?i x1 y x2 (x1,x2) } 第八节 多元线性回归 SST SSR SSE 三、多元线性回归方程检验 第八节 多元线性回归 三、多元线性回归方程检验 H0： b1＝b2＝….=bk=0 H1： H0不正确 * 12 各测量数据同时出现的概率为 若 不存在系统误差，相互独立并服从正态分布，标准差分别为 ，则 出现在相应真值附近 区域内的概率为 测 量 值 真值 这n个测量值出现于相应区间的概率P为最大。 最小 最小 近似真值 第四节　最小二乘法 最小二乘原理： 最小 最小二乘原理 测量结果的最可信赖值应使残余误差平方和最小。 第四节　最小二乘法 线性参数的测量方程和相应的估计量为： 残差方程为： 令 第四节　最小二乘法 最小二乘原理的矩阵形式： 最小二乘原理： 最小 第四节　最小二乘法 随机误差 系统误差 粗大误差 最小二乘法 正规方程 回归分析的基本概念 一元线性回归分析 多元线性回归 内容 第五节　正规方程 正规方程：误差方程按最小二乘法原理转化得到的 　　　　　有确定解的代数方程组。 正规方程： 特点： 　主对角线分布着平方项系数，正数； 　相对于主对角线对称分布的各系数两两相等。 第五节　正规方程 则正规方程可写成 正规方程的矩阵形式 将　　　　　代入到　　　　中，得 （待测量Ｘ的估计） 第五节　正规方程 解： 1）列出误差方程 令 为两个待估参量，则误差方程为 2001.60 2001.48 2001.07 2000.8 2000.72 2000.36 45 40 30 25 20 10 例: 已知铜棒的长度和温度之间具有线性关系：　　　　 　 　　　 为获得０℃时铜棒的长度　 和铜的线膨胀系数　， 现测得不同温度下铜棒的长度，求　 ，　的最可信赖值。 因此： 第五节　正规方程 组合测量：直接测量待测参数的组合量, 然后对这些测量数据进行处理，从而求得待测参数的估计量。 以检定三段刻线间距为例，要求检定刻线A～D间的距离 。 A B C D A B C D 测量数据的估计 待测参数的估计 第五节　正规方程 直接测量各组合量，得 首先列出误差方程 第五节　正规方程 求得估计量为 则 式中， 第五节