数值计算方法课程设计报告_百度文库.docVIP

《数据分析方法》 课 程 实 验 报 告 1.实验内容 （1）掌握回归分析的思想和计算步骤； （2） 编写程序完成回归分析的计算，包括后续的显著性检验、残差分析、Box-Cox变换等内容。 2. 模型建立与求解(数据结构与算法描述) 3.实验数据与实验结果 解：根据所建立的模型在MATLAB中输入程序（程序见附录）得到以下结果： （1）回归方程为：Y=3.4526+0.4960X1+0.0092X2 说明该化妆品的消量和该城市人群收入情况关系不大，轻微影响，与使用该化妆品的人数有关。 ∧ σ2的无偏估计：σ2=4.7403 （2）方差分析表如下表： 方差来源 自由度 平方和 53845 56.883 53902 均方 26922 4.703 F值 p 回归（R） 2 误差（E） 12 总和（T） 14 56795 2.28 从分析表中可以看出：F值远大于p的值。所以回归关系显著。 复相关R2=0.9989，所以回归效果显著。 解：根据所建立的模型，在MATLAB中输入程序（程序见附录）得到如下结果： （1）回归方程为：Y=-57.9877+4.7082X1+0.3393X2 在MTLAB中计算学生化残差（见程序清单二），所得到的学生化残差r的值由残差可知得到的r的值在（-1，1）的概率为0.645，在（-1.5，1.5）的概率为0.871，在（-2，2）之间的概率为0.968. 而服从正态分布的随机变量取值在（-1，1）之间的概率为0.68，在（-1.5，1.5）之间的概率为0.87，在（-2.2）之间的概率为0.95，所以相差较大，所以残差分析不合理，需要对数据变换。 ∧ 取λ=0.6进行Box-Cox变换Y(λ) ?lnY,λ=0? =?Yλ-1 ,λ≠0? ?λ 在MATLAB中输入程序（见程序代码清单二） 取λ=0.6，所以得到r的值（r的值见附录二）其值在（-1，1）之间的个数大约为20/31=0.65，大致符合正态分布，所以重新拟合为：β0=-11.7736β1=1.1478 β2=0.0969 拟合函数为：Y=-11.7736+1.1478X1+0.0969X2 通过F值，R值可以检验到，回归效果显著 （3）某医院为了了解病人对医院工作的满意程度Y和病人的年龄X1，病情的严重程度X2和病人的忧虑程度X3之间的关系，随机调查了该医院的23位病人，得数据如下表： ∧ （1） 拟合线性回归模型Y=β0+β1X1+β2X2+β3X3+ε，通过残差分析与考察 模型及有关误差分布正态性假定的合理性； 2 （2） 若（1）中模型合理，分别在(i)Rα(p)，(ii)Cp，(iii)PRESSp准则下选择最 优回归方程，各准则下的选择结果是否一致？ （3） 对αE=αD=0.10，用逐步回归法选择最优回归方程，其结果和（2）中的 数否一致？ （4） 对选择的最优回归方程作残差分析，与（1）中的相应结果比较，有何变 化？ 习题2.6 解：（1）回归参数的β的最小二乘估计为：β=(XTX)-1XTY。 在MATLAB中输入程序（见程序代码清单二）可得： β0=-57.9877，β1=4.7082， β2=0.3393 所以回归方程为： Y=-57.9877+4.7082X1+0.3393X2 对数据做Box-Cox变换，（由于λ的取值在能力范围不好确定，所以经测试，取λ=0.6进行Box-Cox变换Y(λ) ?lnY,λ=0 ? =?Yλ-1,λ≠0? ?λ ∧ ∧ 在MATLAB中输入程序（见程序代码清单二） 取λ=0.6，所以得到r的值（r的值见附录二）其值在（-1，1）之间的个数大约为20/31=0.65，大致符合正态分布，所以重新拟合为：β0=-11.7736β1=1.1478β2=0.0969 拟合函数为：Y=-11.7736+1.1478X1+0.0969X2 通过F值，R值可以检验到，回归效果显著 习题2.9 解：根据所建立的模型，在MATLAB中输入程序，得到以下结果： （1） 所得到的回归方程为：Y=162.8759-1.2103X1-0.6659X2-8.610X3 （2） 所得到的学生化残差见附录，通过对残差的分析，很明显不符合正态分布所以（1） 中所建立的模型不合理。 ∧ 4．程序代码清单： 习题2.4 x=[1 274 2450 1 180 3254 1 375 3802 1 205 2838 1 86 2347 1 265 3782 1 98 3008 1 330 2450 1 195 2137 1 53 2560 1 430 4020 1 372 4427 1 236 2660 1 157 2088 1 370 2605]; y=[162 120 223 131 67 169 8