概率论与数理统计 9.pptxVIP

第九章 一元线性回归分析 在实际工作中，我们会经常碰到一些互相联系、互相制约的变量，它们之间存在着一定的关系。一般来说，变量之间的关系可分为两类： 一类是确定性的函数关系，另一类是非确定性的关系，称为相关关系。 对于具有相关关系的变量，虽然不能找到它们之间的确定表达式，但是通过大量的观测数据，可以发现它们之间存在一定的统计规律，数理统计中研究变量之间相关关系的一种有效方法就是回归分析。 序言 01 一元线性回归模型 反映Y与X之间关系的最重要的数字特征当然是Y的数学期望与X之间的关系。我们称(x)=E(Y)为Y对x的回归函数。回归分析的一个重要内容就是估计(x)，然后利用估计结果作预测和控制。为估计(x)，通常是指定n各x的值X1, X2, …, Xn，做n次独立试验，取得Y的相应观察值y1, y2, …, yn，再由n对数据(x1, y1), (x2, y2), …, (xn, yn)来估计(x)。 实际中常先用近似作图法描绘(x)的图形．将n对观察数据(xi, yi)(i=1, 2, …, n)看成n个点，并把它们描点在坐标平面xOy上，这种图称为散点图；然后在平面上引一条直线或曲线，使它最好地与这些散点的分布相符合。一直线或曲线就近似地描绘了y=(x)的图形。当然，这是很粗糙的描述方法，回归分析为我们提供了研究回归函数y=(x)的精确统计推算方法。 画出散点图如图所示．从图中可以看出，随着广告投入费x的增加，销售额Y基本上也呈上升趋势，图中的点大致分布在一条向右上方延伸的直线附近．但各点不完全在一条直线上，这是由于Y还受到其他一些随机因素的影响．这样，Y可以看成是由两部分叠加而成的，一部分是x的线性函数a+bx，另一部分是随机因素引起的误差，即 厂家 1 2 3 4 5 6 7 8 9 广告费x 6 10 21 40 62 62 90 100 120 销售额Y 31 58 124 220 229 190 320 406 380 一般地，假设x与Y之间的相关关系可表示为 （9-1）其中a, b为未知常数，为随机误差，是人们不可控制的，且~N(0, 2)，2未知，x与Y的这种关系称为一元线性回归模型．Y=a+bx称为回归直线，b称为回归系数，此时Y~N(a+bx, 2)．对于(x, y)的样本(x1, y1), (x2, y2), …, (xn, yn)，有 如果由样本得到式（9-1）中a, b的估计值 ，则称 为拟合直线或经验回归直线，它可作为回归直线的估计． 已知变量x，Y的n对试验数据(xi+yi)(i=1, 2, …, n)，其中xi不全相同，作偏差平方和 （9-2）选择参数a, b的估计 ，使得Q(a, b)达到最小，这种方法称为最小二乘法。 为了求Q(a, b)的最小值，分别求Q(a, b)关于a, b的一阶偏导数，并令它们等于零： （9-3） 整理后得方程组： （9-4） 式（9-4）称为正规方程组。 由于xi不全相同，正规方程组的系数行列式 所以式（9-4）有唯一解，解得a, b的估计值为 （9-5） （9-6） 其中， 于是，所求的经验回归直线方程（图9-2）为 （9-7） 若把 代入式（9-7），则经验回归直线方程为 （9-8） 式（9-8）表明，经验回归直线总是过散点图的几何中心 。 我们用 （9-10） 作为2的估计值。 由式（9-8），有 即得 （9-11） 于是 （9-12） 解 按题意n=9计算可得 因而由（9-5），（9-6）两式，得 于是得到经验回归直线方程 利用式（9-12），并注意到 于是 在以上的讨论中，我们假定Y关于x的回归(x)具有形式a+bx，在处理实际问题时，(x)是否为相等线性函数，首先要根据有关专业知识和实践来判断，其次就是根据实际观察得到的数据运用假设检验的方法来判断．这就是说，求得的线性回归方程是否有实用价值，一般来说，需要经过假设检验才能确定．若线性假设（9-2）符合实际，则b不应为零，因为若b=0，则E(Y)=(x)就不依赖与x了。 因此我们需要假设检验 （9-10） 1．t检验法 若H0成立，即b=0，由定理1知， 故 为显著水平，即得H0的拒绝域为 2．相关系数检验法 取检验统计量 通常称R为样本相关系数．类似于随机变量间的相关系数，R的取值r反映了自变量x与因变量Y之间的线性相关关系。 解 t检验法：由例2，已知 查表得 假设H0：b=0的拒