第九章--线性回归与方差分析知识讲解.ppt

第九章 线性回归分析与方差分析 ;第一节 一元线性回归分析 ;一、 一元线性回归模型;例1 对某广告公司为了研究某一类产品的广告费用x与其销售额Y之间的关系，对多个厂家进行调查，获得如下数据 ; 画出散点图如图9-1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.;;一元线性回归主要解决下列一些问题： （1）利用样本对未知参数a、b、 进行估计； （2）对回归模型作显著性检验； （3）当x=x0时对Y的取值作预测，即对Y作区间估计. ;二、 参数a、b、 的估计;图9-2; 为了求Q（a, b）的最小值，分别求Q关于a，b的偏导数，并令它们等于零：;由正 规方程组解得;用最小二乘法求出的估计 、 分别称为a、b的最小二乘估计;为了计算上的方便, 引入下述记号:;这样a,b的估计值可写成;由矩估计法，可用 估计;;为了计算Qe, 将Qe作如下分解:;可以证明, 作为统计量的残差平方和Qe服从分布;对于估计量 、 、 的分布，有：; 在例1中可分别求出a、b、 的估计值为：;例2(续例1) 求Y关于x的线性回归方程.解 现在n=9, 所需计算列表如下表;于是得到回归直线方程;;补充例题 为研究某一化学反应过程中, 温度x(°C)对产品得率Y(%)的影响, 测得数据如下.求y关于x的一元线性回归方程.;解 现在n=10, 所需计算列表如下表;于是得到回归直线方程;下面求s2的无偏估计.解 由上表得;三、线性回归的显著性检验 ;;且 与 独立;因而;2．相关系数检验法;（1）x对Y没有显著影响； （2）x对Y有显著影响，但这种影响不能用线性相关关系来描述； （3）影响Y取值的，除x外，另有其他不可忽略的因素. ;四、 预测;作为y0的预测值.可以证明;所以，给定置信概率 ，Y0的置信区间为;当n很大且x0位于 附近时，有;例3 检验例2中的回归效果是否显著，当x0=80时，求出Y0的预测区间。;第二节 可线性化的非线性回归 ;例1 在彩色显像技术中，考虑析出银的光学密度x与形成染料光学密度Y之间的相关关系，其中11个样本数据如下所示：;???据有关的专业知识，结合散点图，可以认为曲线L大致为：;0.25;可求得x与y之间相关关系的一个经验公式：;3′32.1″;解 根据记录数据点（xi，ti）作出散点图 (图9-5);由此模型，当x=100,200,400,800,1000,1500(米)时，; 它告诉我们x与t的关系可能为一曲线，且曲线是下凸的。;用一元线性回归分析估计a′、b，从而算出;第三节 多元线性回归简介 ;对变量x1，…xp,Y作n次观测得到样本值：;则等式;根据高等数学中求最小值的方法，可求得b0，b1，…，bp的估计：; 类似于一元线性回归，多元线性回归模型的假设是否符合实际，同时需要进行假设检验。;习题9—1、2、3 ;3．为了研究钢线含碳量（单位：%）x对于电阻（单位：微欧）Y在20℃下的效应，作了7次试验，得数据如下： ① 画出散点图； ② 求出经验回归方程； ③ 试求相关系数R的值，并在显著性水平 下检验 。 ;4．某种产品在生产时产生的有害物质的重量（单位：克）Y与它的燃料消耗量（单位：千克）x之间存在某种相关关系。由以往的生产记录得到如下数据。 ① 求经验回归方程； ② 试进行线性回归的显著性检验（ ）； ③ 试求x0=340时Y0的预测区间（ ）。 ;5．气体的体积（单位：立方米）v在压力（单位：标准大气压）p之间的一般关系为pvk=c. 今对某种气体测试到下列数据： 试对参数k，c进行估计.;6．今有4个物体，按下述方法称重，得到如下数据： 其中1表示该物体放在天平左端，-1表示该物体放在天平右端，Y是使天平达到平衡时，在天平右端所加砝码的重量。试用最小二乘法估计这4个物体的重量。;第四节 方差分析 ;在试验中，将要考察的指标称为试验指标，影响试验指标的条件称为因素;例1 某消防队要考察4种不同型号冒烟报警器的反应时间（单位：秒）。今将每种型号的报警器5个安装在同一条烟道中，当烟量均匀时观测报警器的反应时间，得数据如下： ;4种不同型号的报警器是因素的4个不同水平。这是一个单因素试验.;上表中数据可看作来自4个不同总体（每个水平