概率论与数理统计第8章 回归分析.pptVIP

* * * 8.1.5 相关系数——线性相关的r检验法 从前面推导的平方和分解公式Lyy=Qe+U可以看出，当U/Lyy接近1时，y 与 x 线性关系的效果显著.记 * * 8.1.6 预测与控制 1.预测 若一元线性回归方程的效果是显著的，自然可以用于预测,即当自变量取x=x0时，因变量y的值y0为 * * * * 图8.3 * 2.控制 控制是预测的反问题，即要y=a+bx+ε的值以1-α的概率落在指定的区间（y′，y″）之内，那么预报变量x应控制在什么范围内？这里只讨论样本容量很大的情况. * * 8.1.7 一元曲线回归 在实际问题中，y与x的相关关系可能有各种各样的情况，反映在散点图上呈现为各类曲线.在某些情况下可以化为线性回归来解决.如： 1.模型 2.模型 * 出版社 理工分社 概率论与数理统计(第二版) * 身材矮小的父亲希望自己的儿子长得高一点，而身材过于高大的父亲却希望自己的儿子不要比自己更高，他们能如愿以偿吗？K.皮尔逊在19世纪末给出了儿子身高y与父亲身高x之间的一个有趣的公式 第8章 回归分析 * （1）函数关系 它反映的是由一个（或一组）变量的值依照一定的对应法则能确定地得到另一个变量的值.例如，自由落体运动中的物体下落的高度h与下落时间t之间的关系： （2）相关关系 在变量x与y之间存在着关系，但不是确定的函数关系.如上述父代身高与子代身高的关系；在农业生产中，水稻的施肥量和产量之间；人的身高与寿命之间；树围与树高之间都存在着这类不确定的关系. * 8.1 一元线性回归 8.1.1 一元线性回归模型 先看一个实例. 例8.1 在某一化工生产过程中，为研究温度x（℃）对产品的收率y（%）的影响，测得一组数据（表8.1）： * 图8.1 * 一般地，如果给定一组数据 在直角坐标系中描出相应的点，得到散点图.散点近似落在一条直线上，我们提出以下假设： * 8.1.2 a，b的最小二乘估计 为了不至于混淆，记Y表示与x相关的随机变量，由模型（8.1）不难看出 * * * * * * * * 图8.2 * 8.1.3 σ2的估计 由中心极限定理，随机误差ε近似服从正态分布N（0，σ2），为了估计σ2的值，我们考察残差平方和 * * * * * 8.1.4 线性假设的显著性检验 在建立模型时，假定y与x有线性关系，然而，我们并不能断定y与x确有线性关系.事实上对任何观测数据，依上面说的方法都可以得出一条回归直线，无非残差平方和有的大一些.因此，在求出经验公式之后，还需要对其拟合的效果作假设检验. * 定理8.1 在模型 * * 定理8.2 在模型 * * * * * * * 定理8.3（平方和分解公式） * 出版社 理工分社 概率论与数理统计(第二版) *